Online Decision Tree
Ett Online Decision Tree är ett beslutsträd som växer inkrementellt från en kontinuerlig dataström utan att återbesöka tidigare exempel. Den dominerande algoritmen, Hoeffding Tree (VFDT), använder Hoeffding-gränsen för att avgöra när tillräckligt många exempel har observerats vid en nod för att dela den med säkerhet, vilket möjliggör skalbar, realtids-klassificering på potentiellt oändliga dataströmmar.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Online Decision Tree (Incremental / Streaming Decision Tree Learning). ScholarGate. https://scholargate.app/sv/machine-learning/online-decision-tree
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- BeslutsträdMaskininlärning↔ jämför
- Online Gradient BoostingMaskininlärning↔ jämför
- Online LearningMaskininlärning↔ jämför
- Online Naive BayesMaskininlärning↔ jämför
- Online Random ForestMaskininlärning↔ jämför
- Semi-supervised Decision TreeMaskininlärning↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →