Online Random Forest
Online Random Forest (ORF) utökar den klassiska Random Forest till strömmande miljöer, där varje träd uppdateras inkrementellt allt eftersom nya observationer anländer, utan att lagra eller spela upp hela träningsmängden. Algoritmer som Adaptive Random Forests (ARF) lägger till drift-detektion så att ensemblen anpassar sig när datadistributionen förändras över tid.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Online Random Forest (Incremental Ensemble of Decision Trees). ScholarGate. https://scholargate.app/sv/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 BaggingMaskininlärning↔ compare
- Online Decision TreeMaskininlärning↔ compare
- Online Gradient BoostingMaskininlärning↔ compare
- Online LearningMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
- Semisupervised Random ForestMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →