Онлайн градиентен бустинг
Онлайн градиентният бустинг адаптира рамката на градиентния бустинг към поточни настройки, където данните пристигат по една извадка в даден момент, а не като фиксирана партида. На всяка стъпка моделът изчислява псевдо-остатък за входящото наблюдение и актуализира слаб обучител на място, изграждайки адитивно ансамбъл без съхранение или повторно разглеждане на минали данни. Това го прави подходящ за прогнозиране в реално време и мащабни поточни конвейери, където повторното обучение от нулата е невъзможно.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Grubb, A. & Bagnell, J. A. (2011). Generalized Boosting Algorithms for Convex Optimization. Proceedings of the 28th International Conference on Machine Learning (ICML 2011), 1209–1216. link ↗
- Beygelzimer, A., Hazan, E., Langford, J. & Zheng, T. (2015). Online-to-Batch Conversions and Applications. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Online Gradient Boosting (Streaming Gradient Boosted Ensembles). ScholarGate. https://scholargate.app/bg/machine-learning/online-gradient-boosting
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.
- БустингМашинно обучение↔ compare
- Градиентен бустингМашинно обучение↔ compare
- Онлайн обучениеМашинно обучение↔ compare
- Онлайн случайна гораМашинно обучение↔ compare
- Полу-наблюдавано градиентно усилванеМашинно обучение↔ compare
- XGBoostМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →