Online K-Nearest Neighbors
Online K-Nearest Neighbors (Online KNN) เป็นการปรับใช้อัลกอริทึม KNN แบบดั้งเดิมให้เข้ากับบริบทของกระแสข้อมูล (data stream) ซึ่งข้อมูลจะเข้ามาตามลำดับและโมเดลต้องได้รับการปรับปรุงอย่างต่อเนื่องโดยไม่ต้องฝึกใหม่ทั้งหมด แทนที่จะเก็บข้อมูลในอดีตทั้งหมดไว้ อัลกอริทึมจะรักษาหน้าต่างเลื่อน (sliding window) หรือหน่วยความจำแบบปรับได้ (adaptive memory) ที่มีขอบเขตจำกัด โดยใช้ตัวอย่างที่ใหม่ที่สุดและเป็นตัวแทนมากที่สุดในการจำแนกประเภทหรือทำนายจุดข้อมูลที่เข้ามาใหม่โดยอาศัยความใกล้เคียง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Online K-Nearest Neighbors (Incremental KNN for Data Streams). ScholarGate. https://scholargate.app/th/machine-learning/online-k-nearest-neighbors
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.
- แผนภูมิตัดสินใจแบบออนไลน์การเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบออนไลน์การเรียนรู้ของเครื่อง↔ compare
- นาอีฟเบย์สแบบออนไลน์การเรียนรู้ของเครื่อง↔ compare
- Online Random Forestการเรียนรู้ของเครื่อง↔ compare
- การจำแนกประเภทแบบเพื่อนบ้านใกล้เคียง K แบบกึ่งมีผู้สอนการเรียนรู้ของเครื่อง↔ compare