Online Linear Regression
Az online lineáris regresszió egy lineáris modellt illeszt be egyenként, megfigyelésenként, és az egyes új adatpontok érkezésekor inkrementálisan frissíti a súlyokat. A kötegelt legkisebb négyzetek módszerével ellentétben soha nem igényel a teljes adathalmaz tárolását vagy újrafeldolgozását, így ez a természetes választás adatfolyamok, nagyon nagy adathalmazok és olyan környezetek számára, ahol az adatgeneráló folyamat idővel változhat.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Online Linear Regression (Incremental Least-Squares). ScholarGate. https://scholargate.app/hu/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.
- Lineáris Regresszió (ML)Gépi tanulás↔ compare
- Online tanulásGépi tanulás↔ compare
- Online logisztikus regresszióGépi tanulás↔ compare
- Regularizált lineáris regresszióGépi tanulás↔ compare
- Ridge RegressionGépi tanulás↔ compare
- Sztochasztikus gradiens leszúrás (SGD)Gépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →