Online Random Forest
Online Random Forest (ORF) расширяет классический Random Forest для потоковых сценариев, инкрементально обновляя каждое дерево по мере поступления новых наблюдений без хранения или повторного использования полного обучающего набора. Алгоритмы, такие как Adaptive Random Forests (ARF), добавляют обнаружение дрейфа, чтобы ансамбль адаптировался при изменении распределения данных с течением времени.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Online Random Forest (Incremental Ensemble of Decision Trees). ScholarGate. https://scholargate.app/ru/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 BaggingМашинное обучение↔ compare
- Онлайн-дерево решенийМашинное обучение↔ compare
- Онлайн градиентный бустингМашинное обучение↔ compare
- Онлайн-обучениеМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Случайный лес с частичной разметкойМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →