AI 詞彙表

📖

術語

Hoeffding Bound

在增量决策树中使用的统计界限，通过检查有限数量的样本，以有保证的概率确定某个属性是否为最优分割节点。

📖

術語

CVFDT (Concept-adapting VFDT)

VFDT的扩展，集成了概念漂移的检测和适应机制，允许动态修改树结构而无需完全重建。

📖

術語

EFDT (Extremely Fast Decision Tree)

改进的VFDT算法，定期重新评估过去的分割决策并进行树重访，以纠正次优分割，在相似复杂度下提供更好的精度。

📖

術語

Streaming Decision Tree

专门为处理连续数据流而设计的决策树架构，具有恒定的内存和时间约束，无需完整存储历史数据。

📖

術語

Incremental Splitting

决策树中的节点分割过程，随着新数据的到达逐步进行，无需重新评估整个数据集。

📖

術語

Node Statistics

在增量树的每个节点维护的聚合计数器，用于跟踪类别分布和属性统计，对于基于Hoeffding界限的分割决策至关重要。

📖

術語

Grace Period

节点在被允许分割之前必须观察的最小样本数，确保增量树中分割决策的统计可靠性。

📖

術語

Tree Pruning (Incrémental)

增量决策树中的自适应剪枝技术，删除因概念漂移而变得过时或性能不佳的分支，持续优化树的结构。

📖

術語

内存高效处理

增量决策树中的一种策略，通过智能管理节点统计信息，将内存使用限制在O(log n)，其中n为已处理实例数量。

📖

術語

增量预剪枝

增量树中的预防机制，基于统计标准在分支完全展开前阻止潜在无用分支的创建。

📖

術語

属性评估

增量树中对候选分割属性进行持续评估的过程，以增量方式使用信息增益或基尼指数等指标。

📖

術語

叶节点自适应

基于新实例动态更新树叶节点预测的机制，允许在不修改树结构的情况下适应分布变化。

📖

術語

平局打破策略

增量决策树中当多个属性统计性能相同时使用的决胜规则，通常基于启发式方法以简化模型。

📖

術語

基于实例的学习

增量树中的学习范式，每个新实例立即影响模型，与需要多次遍历数据的批量学习不同。