เปรียบเทียบวิธี

	การลงคะแนนแบบกลุ่มออนไลน์	Boosting แบบออนไลน์
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2001–2009	2001
ผู้ริเริ่ม	Oza, N. C. & Russell, S.; extended by Bifet et al.	Oza, N. C. & Russell, S.
ประเภท	Online ensemble (incremental majority vote)	Online ensemble (incremental boosting)
แหล่งต้นตำรับ	Oza, N. C., & Russell, S. (2001). Online bagging and boosting. In Proceedings of the Eighth International Workshop on Artificial Intelligence and Statistics (AISTATS 2001), pp. 229–236.	Oza, N. C., & Russell, S. (2001). Online Bagging and Boosting. In Artificial Intelligence and Statistics 2001 (pp. 105–112). Morgan Kaufmann.
ชื่อเรียกอื่น	streaming voting ensemble, incremental voting ensemble, online majority-vote ensemble, data-stream voting classifier	streaming boosting, incremental boosting, online AdaBoost, online ensemble boosting
ที่เกี่ยวข้อง	6	6
สรุป	Online Voting Ensemble is an incremental ensemble method that maintains a pool of base classifiers — each updated continuously on arriving data — and combines their predictions through a weighted or unweighted majority vote. Designed for data streams, it adapts to non-stationary distributions without retraining from scratch, making it well-suited to real-time classification tasks where data arrives sequentially and concept drift may occur.	Online Boosting adapts the classical boosting framework to data streams, updating an ensemble of weak learners one example at a time without storing the full dataset. The Oza-Russell formulation approximates AdaBoost's reweighting using Poisson-sampled instance counts, enabling accurate, adaptive classification in real-time or resource-constrained environments.