Online beslutningstre
Et online beslutningstre er et beslutningstre som vokser inkrementelt fra en kontinuerlig datastrøm uten å gå tilbake til tidligere eksempler. Den dominerende algoritmen, Hoeffding-treet (VFDT), bruker Hoeffding-grensen for å avgjøre når nok eksempler er sett på en node til å dele den med sikkerhet, noe som muliggjør skalerbar sanntidsklassifisering på potensielt uendelige datastrømmer.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Domingos, P., & Hulten, G. (2000). Mining very fast data streams. In Proceedings of the 6th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 71–80). ACM. link ↗
- Hulten, G., Spencer, L., & Domingos, P. (2001). Mining time-changing data streams. In Proceedings of the 7th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 97–106). ACM. DOI: 10.1145/502512.502529 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Online Decision Tree (Incremental / Streaming Decision Tree Learning). ScholarGate. https://scholargate.app/no/machine-learning/online-decision-tree
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BeslutningstreMaskinlæring↔ compare
- Online Gradient BoostingMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Online Naive BayesMaskinlæring↔ compare
- Online Random ForestMaskinlæring↔ compare
- Semi-supervised Decision TreeMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →