Online Random Forest
Online Random Forest (ORF) เป็นการขยายผล Random Forest แบบดั้งเดิมให้สามารถทำงานในสภาพแวดล้อมแบบสตรีม โดยทำการปรับปรุงต้นไม้แต่ละต้นอย่างต่อเนื่องเมื่อมีข้อมูลใหม่เข้ามา โดยไม่ต้องจัดเก็บหรือเล่นซ้ำชุดข้อมูลฝึกอบรมทั้งหมด อัลกอริทึม เช่น Adaptive Random Forests (ARF) ได้เพิ่มการตรวจจับการเปลี่ยนแปลง (drift detection) เพื่อให้เอนเซมเบิลสามารถปรับตัวได้เมื่อการกระจายตัวของข้อมูลเปลี่ยนแปลงไปตามกาลเวลา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Online Random Forest (Incremental Ensemble of Decision Trees). ScholarGate. https://scholargate.app/th/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 Baggingการเรียนรู้ของเครื่อง↔ compare
- แผนภูมิตัดสินใจแบบออนไลน์การเรียนรู้ของเครื่อง↔ compare
- Online Gradient Boostingการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบออนไลน์การเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- Semi-supervised Random Forestการเรียนรู้ของเครื่อง↔ compare