Machine learningMachine learning

온라인 학습

온라인 학습은 고정된 데이터셋으로 한 번 학습되는 것이 아니라, 새로운 데이터 포인트가 도착할 때마다 모델이 점진적으로 업데이트되는 기계 학습 패러다임입니다. 이는 데이터가 지속적으로 스트리밍되거나, 저장 공간이 제한적이거나, 기본 분포가 시간이 지남에 따라 변하는 경우에 필수적입니다. 이론적 성능은 사후적으로 가장 좋은 고정 예측 변수 대비 누적 후회(cumulative regret)로 측정됩니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

온라인 학습

능동 학습 연합 학습 퓨샷 학습 자기 지도 학습 준지도 학습 전이 학습 능동 학습 연합 학습 (Active Lear…능동 학습과 자기지도 학습의 결합 Apriori 알고리즘 베이즈안 온라인 학습

+30 more

출처

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

이 페이지 인용 방법

ScholarGate. (2026, June 3). Online Learning (Sequential / Incremental Machine Learning). ScholarGate. https://scholargate.app/ko/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.

Compare side by side →

이 방법을 참조하는 항목

능동 학습 연합 학습 (Active Learning Federated Learning)능동 학습과 자기지도 학습의 결합 Apriori 알고리즘 베이즈안 온라인 학습 앙상블 온라인 학습 온라인 능동 학습 온라인 연관 규칙 온라인 오토인코더 이상 탐지 온라인 부스팅 Online DBSCAN 온라인 결정 트리 온라인 연합 학습 온라인 소수샷 학습 온라인 가우시안 혼합 모델 온라인 그래디언트 부스팅 Online HDBSCAN 온라인 아이솔레이션 포레스트 (Online Isolation Forest)온라인 K-최근접 이웃 온라인 LightGBM 온라인 선형 회귀 온라인 로지스틱 회귀 온라인 메트릭 학습 온라인 나이브 베이즈 온라인 랜덤 포레스트 온라인 자기 지도 학습 온라인 준지도 학습 온라인 서포트 벡터 머신 온라인 전이 학습 온라인 투표 앙상블 정규화된 연합 학습 정규화 온라인 학습 강건 능동 학습 (Robust Active Learning)강건 온라인 학습 (Robust Online Learning)준지도 온라인 학습

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →