Régression linéaire en ligne
La régression linéaire en ligne ajuste un modèle linéaire une observation à la fois, en mettant à jour les poids de manière incrémentielle à mesure que chaque nouveau point de données arrive. Contrairement aux moindres carrés par lots, elle n'a jamais besoin de stocker ou de retraiter l'ensemble complet des données, ce qui en fait le choix naturel pour les données en flux continu, les très grands ensembles de données et les environnements où le processus de génération de données peut évoluer au fil du temps.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018 ↗
- Haykin, S. (2002). Adaptive Filter Theory (4th ed.). Prentice Hall. ISBN: 978-0130901262
Comment citer cette page
ScholarGate. (2026, June 3). Online Linear Regression (Incremental Least-Squares). ScholarGate. https://scholargate.app/fr/machine-learning/online-linear-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.
- Régression linéaire (ML)Apprentissage automatique↔ compare
- Apprentissage en ligneApprentissage automatique↔ compare
- Régression logistique en ligneApprentissage automatique↔ compare
- Régression linéaire régulariséeApprentissage automatique↔ compare
- Régression RidgeApprentissage automatique↔ compare
- Descente de gradient stochastique (SGD)Apprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →