Online K-Närmaste Grannar
Online K-Närmaste Grannar (Online KNN) anpassar den klassiska KNN-algoritmen till en dataström-inställning där observationer anländer sekventiellt och modellen måste uppdateras inkrementellt utan fullständig omträning. Istället för att lagra alla historiska instanser, upprätthåller den ett begränsat glidande fönster eller ett adaptivt minne, och använder de senaste och mest representativa exemplen för att klassificera eller förutsäga varje inkommande punkt baserat på närhet.
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
- Losing, V., Hammer, B., & Wersing, H. (2016). KNN Classifier with Self Adjusting Memory for Heterogeneous Concept Drift. In Proceedings of the IEEE 16th International Conference on Data Mining (ICDM), pp. 291–300. IEEE. DOI: 10.1109/ICDM.2016.0040 ↗
- Gama, J. (2010). Knowledge Discovery from Data Streams. CRC Press / Chapman & Hall. ISBN: 978-1-4398-2611-9
Så citerar du den här sidan
ScholarGate. (2026, June 3). Online K-Nearest Neighbors (Incremental KNN for Data Streams). ScholarGate. https://scholargate.app/sv/machine-learning/online-k-nearest-neighbors
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.
- Online Decision TreeMaskininlärning↔ jämför
- Online LearningMaskininlärning↔ jämför
- Online Naive BayesMaskininlärning↔ jämför
- Online Random ForestMaskininlärning↔ jämför
- Semi-supervised K-Nearest NeighborsMaskininlärning↔ jämför
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →