Online-Lernen
Online-Lernen ist ein Paradigma des maschinellen Lernens, bei dem ein Modell inkrementell aktualisiert wird, sobald jeder neue Datenpunkt eintrifft, anstatt einmal auf einem festen Datensatz trainiert zu werden. Es ist unerlässlich, wenn Datenströme kontinuierlich anfallen, der Speicherplatz begrenzt ist oder sich die zugrunde liegende Verteilung im Laufe der Zeit verschiebt. Die theoretische Leistung wird durch die kumulative Bedauern (Regret) relativ zum besten festen Prädiktor in der Rückschau gemessen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+30 more
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Online Learning (Sequential / Incremental Machine Learning). ScholarGate. https://scholargate.app/de/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.
- Aktives LernenMaschinelles Lernen↔ compare
- Föderiertes LernenDatenschutz↔ compare
- Few-Shot LearningMaschinelles Lernen↔ compare
- Selbstüberwachtes LernenMaschinelles Lernen↔ compare
- Semi-Supervised LearningMaschinelles Lernen↔ compare
- Transfer LearningMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →