Online læring
Online læring er et maskinlæringsparadigme, hvor en model opdateres inkrementelt, efterhånden som hver ny datapunkt ankommer, i stedet for at blive trænet én gang på et fast datasæt. Det er essentielt, når data strømmer kontinuerligt, lagerpladsen er begrænset, eller den underliggende fordeling skifter over tid. Teoretisk ydeevne måles ved kumulativt 'regret' i forhold til den bedste faste prædiktor med hindsight.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+30 more
Kilder
- Shalev-Shwartz, S. (2011). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018 ↗
- Cesa-Bianchi, N. & Lugosi, G. (2006). Prediction, Learning, and Games. Cambridge University Press. ISBN: 978-0-521-84108-5
Sådan citerer du denne side
ScholarGate. (2026, June 3). Online Learning (Sequential / Incremental Machine Learning). ScholarGate. https://scholargate.app/da/machine-learning/online-learning
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.
- Aktiv læringMaskinlæring↔ compare
- Fødereret læringPrivatlivsbeskyttelse↔ compare
- Few-shot LearningMaskinlæring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- OverførselslæringMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →