Régression logistique en ligne
La régression logistique en ligne ajuste un classifieur logistique un échantillon (ou un mini-lot) à la fois via la descente de gradient stochastique, en mettant à jour les poids du modèle à mesure que chaque observation arrive plutôt que d'attendre de voir l'ensemble complet des données. Cela en fait le choix standard pour les problèmes de classification binaire à volume élevé, en flux continu ou avec des contraintes de mémoire, où l'entraînement par lots est irréalisable.
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
- Bottou, L. (2010). Large-Scale Machine Learning with Stochastic Gradient Descent. In Proceedings of COMPSTAT 2010, 177–186. Physica-Verlag. link ↗
- Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Online Logistic Regression (Incremental Stochastic Gradient Descent). ScholarGate. https://scholargate.app/fr/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.
- Régression logistique (ML)Apprentissage automatique↔ compare
- Apprentissage en ligneApprentissage automatique↔ compare
- Régression linéaire en ligneApprentissage automatique↔ compare
- Régression logistique régulariséeApprentissage automatique↔ compare
- Semi-supervised Logistic RegressionApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →