Online Voting Ensemble
Online Voting Ensemble er en inkrementell ensemblemetode som vedlikeholder en pool av basissklassifikatorer — hver kontinuerlig oppdatert på innkommende data — og kombinerer prediksjonene deres gjennom en vektet eller uvektet flertallsavstemning. Designet for datastrømmer, tilpasser den seg ikke-stasjonære distribusjoner uten omtrening fra bunnen av, noe som gjør den godt egnet for sanntidsklassifiseringsoppgaver der data ankommer sekvensielt og konseptdrift kan forekomme.
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
- Oza, N. C., & Russell, S. (2001). Online bagging and boosting. In Proceedings of the Eighth International Workshop on Artificial Intelligence and Statistics (AISTATS 2001), pp. 229–236. link ↗
- Bifet, A., Holmes, G., Pfahringer, B., Kirkby, R., & Gavaldà, R. (2009). New ensemble methods for evolving data streams. In Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 139–148. DOI: 10.1145/1557019.1557041 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Online Voting Ensemble (Incremental Majority-Vote Ensemble for Data Streams). ScholarGate. https://scholargate.app/no/machine-learning/online-voting-ensemble
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.
- Online BaggingMaskinlæring↔ compare
- Online BoostingMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Online Random ForestMaskinlæring↔ compare
- Semi-supervised Voting EnsembleMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →