Using dynamical quantization to perform split attempts in online tree regressors (2021)
- Authors:
- USP affiliated authors: CARVALHO, ANDRÉ CARLOS PONCE DE LEON FERREIRA DE - ICMC ; MASTELINI, SAULO MARTIELLO - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.patrec.2021.01.033
- Subjects: APRENDIZADO COMPUTACIONAL; ANÁLISE DE REGRESSÃO E DE CORRELAÇÃO; ALGORITMOS ÚTEIS E ESPECÍFICOS
- Keywords: Online regression; Incremental regression; Decision trees; Hoeffding trees
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Pattern Recognition Letters
- ISSN: 0167-8655
- Volume/Número/Paginação/Ano: v. 145, p. 37-42, May 2021
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão submetida (Pré-print)
- Acessar versão aberta:
-
ABNT
MASTELINI, Saulo Martiello e CARVALHO, André Carlos Ponce de Leon Ferreira de. Using dynamical quantization to perform split attempts in online tree regressors. Pattern Recognition Letters, v. 145, p. 37-42, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.patrec.2021.01.033. Acesso em: 31 mar. 2026. -
APA
Mastelini, S. M., & Carvalho, A. C. P. de L. F. de. (2021). Using dynamical quantization to perform split attempts in online tree regressors. Pattern Recognition Letters, 145, 37-42. doi:10.1016/j.patrec.2021.01.033 -
NLM
Mastelini SM, Carvalho ACP de LF de. Using dynamical quantization to perform split attempts in online tree regressors [Internet]. Pattern Recognition Letters. 2021 ; 145 37-42.[citado 2026 mar. 31 ] Available from: https://doi.org/10.1016/j.patrec.2021.01.033 -
Vancouver
Mastelini SM, Carvalho ACP de LF de. Using dynamical quantization to perform split attempts in online tree regressors [Internet]. Pattern Recognition Letters. 2021 ; 145 37-42.[citado 2026 mar. 31 ] Available from: https://doi.org/10.1016/j.patrec.2021.01.033 - A meta-learning approach for selecting image segmentation algorithm
- Online local boosting: improving performance in online decision trees
- Efficient online tree, rule-based and distance-based algorithms
- Efficient online tree, rule-based, and distance-based algorithms
- SWINN: efficient nearest neighbor search in sliding windows using graphs
- 2CS: correlation-guided split candidate selection in Hoeffding tree regressors
- Fast and lightweight binary and multi-branch Hoeffding tree regressors
- Online extra trees regressor
- Towards meta-learning for multi-target regression problems
- From fault detection to anomaly explanation: a case study on predictive maintenance
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3021062.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
