Online Gradient Boosting
Το Online Gradient Boosting προσαρμόζει το πλαίσιο του gradient boosting για ρυθμίσεις ροής (streaming) όπου τα δεδομένα φθάνουν ένα δείγμα τη φορά αντί για ένα σταθερό πακέτο (batch). Σε κάθε βήμα, το μοντέλο υπολογίζει ένα ψευδο-κατάλοιπο (pseudo-residual) για την εισερχόμενη παρατήρηση και ενημερώνει έναν αδύναμο μαθητή (weak learner) επιτόπου, αναπτύσσοντας ένα προσθετικό σύνολο (additive ensemble) χωρίς να αποθηκεύει ή να επανεξετάζει παλαιότερα δεδομένα. Αυτό το καθιστά κατάλληλο για προβλέψεις σε πραγματικό χρόνο και για μεγάλης κλίμακας ροές δεδομένων όπου η επανεκπαίδευση από την αρχή είναι ανέφικτη.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Online Gradient Boosting (Streaming Gradient Boosted Ensembles). ScholarGate. https://scholargate.app/el/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.
- ΕνίσχυσηΜηχανική Μάθηση↔ compare
- Ενίσχυση Κλίσης (Gradient Boosting)Μηχανική Μάθηση↔ compare
- Διαδικτυακή ΜάθησηΜηχανική Μάθηση↔ compare
- Δάσος Τυχαίων Διαδικτυακών ΔεδομένωνΜηχανική Μάθηση↔ compare
- Η Ημι-επιβλεπόμενη Ενίσχυση Κλίσης (Semi-supervised Gradient Boosting)Μηχανική Μάθηση↔ compare
- XGBoostΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →