Online logistisk regression
Online logistisk regression tilpasser en logistisk klassifikator én stikprøve (eller mini-batch) ad gangen via stokastisk gradientnedstigning, idet modelvægtene opdateres, efterhånden som hver observation ankommer, i stedet for at vente på at se hele datasættet. Dette gør den til standardvalget for problemer med binær klassifikation med højt volumen, streaming eller hukommelsesbegrænsninger, hvor batchtræning er umulig.
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.
Kilder
- Bottou, L. (2010). Large-Scale Machine Learning with Stochastic Gradient Descent. In Proceedings of COMPSTAT 2010, 177–186. Physica-Verlag. link ↗
- Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Online Logistic Regression (Incremental Stochastic Gradient Descent). ScholarGate. https://scholargate.app/da/machine-learning/online-logistic-regression
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.
- Logistisk regression (ML)Maskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Online Lineær RegressionMaskinlæring↔ compare
- Regulariseret logistisk regressionMaskinlæring↔ compare
- Semi-supervised logistisk regressionMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →