नियमित ऑनलाइन लर्निंग (Regularized Online Learning)
नियमित ऑनलाइन लर्निंग, प्रत्येक भार अद्यतन में एक नियमितीकरण दंड को शामिल करके ऑनलाइन लर्निंग प्रतिमान का विस्तार करती है, जो डेटा को एक समय में एक उदाहरण संसाधित करते हुए मॉडल जटिलता को नियंत्रित करती है। फॉलो-द-रेगुलराइज़्ड-लीडर (FTRL) और रेगुलराइज़्ड डुअल एवरेजिंग (RDA) जैसे एल्गोरिदम इस दृष्टिकोण को बड़े पैमाने पर व्यावहारिक बनाते हैं, जिससे स्ट्रीमिंग डेटा पर विरल, अच्छी तरह से कैलिब्रेटेड मॉडल सक्षम होते हैं।
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
- Xiao, L. (2010). Dual Averaging Methods for Regularized Stochastic and Online Optimization. Journal of Machine Learning Research, 11, 2543–2596. 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Regularized Online Learning (Online Learning with Regularization). ScholarGate. https://scholargate.app/hi/machine-learning/regularized-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.
- ऑनलाइन लर्निंगमशीन अधिगम↔ compare
- नियमित रैखिक प्रतिगमनमशीन अधिगम↔ compare
- नियमितीकृत लॉजिस्टिक रिग्रेशनमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- स्टोकेस्टिक ग्रेडिएंट डिसेंट (एसजीडी)मशीन अधिगम↔ compare
- ट्रांसफर लर्निंगमशीन अधिगम↔ compare