ScholarGate
دستیار
Machine learningMachine learning

رگرسیون لجستیک آنلاین

رگرسیون لجستیک آنلاین، یک طبقه‌بندی‌کننده لجستیک را به صورت نمونه به نمونه (یا مینی-بچ) از طریق گرادیان کاهشی تصادفی برازش می‌دهد و وزن‌های مدل را با رسیدن هر مشاهده به‌روزرسانی می‌کند، به جای اینکه منتظر بماند تا کل مجموعه داده را ببیند. این ویژگی آن را به انتخابی استاندارد برای مسائل طبقه‌بندی باینری با حجم بالا، جریانی یا با محدودیت حافظه تبدیل می‌کند که در آن‌ها آموزش دسته‌ای امکان‌پذیر نیست.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Bottou, L. (2010). Large-Scale Machine Learning with Stochastic Gradient Descent. In Proceedings of COMPSTAT 2010, 177–186. Physica-Verlag. link
  2. Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Online Logistic Regression (Incremental Stochastic Gradient Descent). ScholarGate. https://scholargate.app/fa/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.

Compare side by side

ارجاع‌شده در

ScholarGateOnline Logistic Regression (Online Logistic Regression (Incremental Stochastic Gradient Descent)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/machine-learning/online-logistic-regression · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026