Online Random Forest
Online Random Forest (ORF) rozszerza klasyczny Random Forest na ustawienia strumieniowe, aktualizując każde drzewo przyrostowo w miarę napływania nowych obserwacji, bez przechowywania lub odtwarzania pełnego zbioru treningowego. Algorytmy takie jak Adaptive Random Forests (ARF) dodają detekcję dryfu, dzięki czemu zespół adaptuje się, gdy rozkład danych zmienia się w czasie.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Źródła
- Saffari, A., Leistner, C., Santner, J., Godec, M., & Bischof, H. (2009). On-line random forests. In Proceedings of the 3rd IEEE International Workshop on On-Line Learning for Computer Vision (OLCV 2009), pp. 1–8. IEEE. link ↗
- Gomes, H. M., Bifet, A., Read, J., Barddal, J. P., Enembreck, F., Pfharinger, B., Holmes, G., & Abdessalem, T. (2017). Adaptive random forests for evolving data stream classification. Machine Learning, 106(9), 1469–1495. DOI: 10.1007/s10994-017-5642-8 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Online Random Forest (Incremental Ensemble of Decision Trees). ScholarGate. https://scholargate.app/pl/machine-learning/online-random-forest
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 BaggingUczenie maszynowe↔ compare
- Drzewo decyzyjne onlineUczenie maszynowe↔ compare
- Gradient Boosting OnlineUczenie maszynowe↔ compare
- Uczenie onlineUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
- Półnadzorowany las losowyUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →