ऑनलाइन ग्रेडिएंट बूस्टिंग
ऑनलाइन ग्रेडिएंट बूस्टिंग (Online Gradient Boosting) स्ट्रीमिंग सेटिंग्स के लिए ग्रेडिएंट बूस्टिंग फ्रेमवर्क को अनुकूलित करता है, जहाँ डेटा एक निश्चित बैच के बजाय एक-एक करके आता है। प्रत्येक चरण में, मॉडल आने वाले अवलोकन के लिए एक छद्म-अवशेष (pseudo-residual) की गणना करता है और एक कमजोर शिक्षार्थी (weak learner) को इन-प्लेस अपडेट करता है, पिछले डेटा को संग्रहीत या दोबारा देखे बिना एक योगात्मक एनसेंबल (additive ensemble) विकसित करता है। यह इसे वास्तविक समय की भविष्यवाणी और बड़े पैमाने पर स्ट्रीमिंग पाइपलाइनों के लिए उपयुक्त बनाता है जहाँ खरोंच से पुनः प्रशिक्षण अव्यावहारिक है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Online Gradient Boosting (Streaming Gradient Boosted Ensembles). ScholarGate. https://scholargate.app/hi/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.
- बूस्टिंगमशीन अधिगम↔ compare
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- ऑनलाइन लर्निंगमशीन अधिगम↔ compare
- ऑनलाइन रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare