Online Gradient Boosting
Online Gradient Boosting prilagođava okvir gradijentnog pojačanja (gradient boosting) za protočne postavke (streaming settings) gdje podaci pristižu jedan po jedan uzorak umjesto kao fiksna serija. U svakom koraku model izračunava pseudo-rezidual za dolaznu opservaciju i ažurira slabi učitelj (weak learner) na mjestu, rastući aditivnu cjelinu (ensemble) bez pohranjivanja ili ponovnog pregledavanja prošlih podataka. Ovo ga čini prikladnim za predviđanje u stvarnom vremenu i protočne cjevovode velikih razmjera gdje ponovno treniranje od nule nije izvedivo.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Online Gradient Boosting (Streaming Gradient Boosted Ensembles). ScholarGate. https://scholargate.app/hr/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.
- BoostingStrojno učenje↔ compare
- Povećanje gradijentaStrojno učenje↔ compare
- Mrežno učenjeStrojno učenje↔ compare
- Online Random ForestStrojno učenje↔ compare
- Polu-nadgledano pojačavanje gradijentaStrojno učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →