Pembelajaran Daring
Pembelajaran daring adalah paradigma pembelajaran mesin di mana model diperbarui secara inkremental saat setiap titik data baru tiba, alih-alih dilatih sekali pada kumpulan data tetap. Ini penting ketika data mengalir secara terus-menerus, penyimpanan terbatas, atau distribusi yang mendasarinya bergeser seiring waktu. Kinerja teoretis diukur dengan penyesalan kumulatif relatif terhadap prediktor tetap terbaik dalam retrospeksi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+30 more
Sumber
- Shalev-Shwartz, S. (2011). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018 ↗
- Cesa-Bianchi, N. & Lugosi, G. (2006). Prediction, Learning, and Games. Cambridge University Press. ISBN: 978-0-521-84108-5
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Online Learning (Sequential / Incremental Machine Learning). ScholarGate. https://scholargate.app/id/machine-learning/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.
- Pembelajaran AktifPembelajaran Mesin↔ compare
- Pembelajaran FederasiPrivasi↔ compare
- Pembelajaran Sedikit Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Pembelajaran Mandiri TerawasiPembelajaran Mesin↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
- Transfer LearningPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →