Online-oppiminen
Online-oppiminen on koneoppimisen paradigma, jossa mallia päivitetään inkrementaalisesti jokaisen uuden datapisteen saapuessa, sen sijaan että se koulutettaisiin kerran kiinteällä aineistolla. Se on välttämätöntä, kun dataa virtaa jatkuvasti, tallennustila on rajallinen tai taustalla oleva jakauma muuttuu ajan myötä. Teoreettista suorituskykyä mitataan kumulatiivisella regretillä suhteessa parhaaseen kiinteään ennustimeen jälkikäteen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+30 more
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Online Learning (Sequential / Incremental Machine Learning). ScholarGate. https://scholargate.app/fi/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.
- Aktiivinen oppiminenKoneoppiminen↔ compare
- Hajautettu oppiminenYksityisyydensuoja↔ compare
- Few-shot LearningKoneoppiminen↔ compare
- Itseohjautuva oppiminenKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
- Siirto-oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →