Machine learningMachine learning
オンライン学習
オンライン学習は、固定データセットで一度だけトレーニングするのではなく、新しいデータポイントが到着するたびにモデルが段階的に更新される機械学習のパラダイムです。データが継続的にストリーミングされる場合、ストレージが限られている場合、または基盤となる分布が時間とともに変化する場合に不可欠です。理論的なパフォーマンスは、事後的に最良の固定予測子に対する累積後悔（cumulative regret）によって測定されます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+30 more
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Online Learning (Sequential / Incremental Machine Learning). ScholarGate. https://scholargate.app/ja/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.
- アクティブラーニング機械学習↔ compare
- Federated Learning（連合学習）プライバシー↔ compare
- Few-shot Learning機械学習↔ compare
- 自己教師あり学習機械学習↔ compare
- 半教師あり学習機械学習↔ compare
- 転移学習機械学習↔ compare
この手法を参照する項目
アクティブラーニングと連合学習自己教師あり学習を伴うアクティブラーニングAprioriアルゴリズムベイズ逐次学習アンサンブルオンライン学習オンライン能動学習オンライン相関ルールマイニングオンラインオートエンコーダ異常検知オンラインブースティングオンラインDBSCANオンライン決定木オンライン連合学習オンライン少数ショット学習オンラインガウス混合モデルオンライン勾配ブースティングオンラインHDBSCANオンラインアイソレーションフォレストオンラインK最近傍法オンラインLightGBMオンライン線形回帰オンラインロジスティック回帰オンライン距離学習オンラインナイーブベイズオンラインランダムフォレストオンライン自己教師あり学習オンライン半教師あり学習オンラインサポートベクターマシンオンライン転移学習オンライン投票アンサンブル正則化連邦学習正則化オンライン学習ロバスト能動学習ロバストオンライン学習半教師ありオンライン学習