Machine learningMachine learning
정규화 온라인 학습
정규화 온라인 학습은 각 가중치 업데이트에 정규화 페널티를 통합하여 온라인 학습 패러다임을 확장하며, 데이터를 한 번에 하나씩 처리하면서 모델 복잡성을 제어합니다. Follow-the-Regularized-Leader (FTRL) 및 Regularized Dual Averaging (RDA)와 같은 알고리즘은 이 접근 방식을 대규모로 실용화하여 스트리밍 데이터에서 희소하고 잘 보정된 모델을 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Xiao, L. (2010). Dual Averaging Methods for Regularized Stochastic and Online Optimization. Journal of Machine Learning Research, 11, 2543–2596. link ↗
- Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Regularized Online Learning (Online Learning with Regularization). ScholarGate. https://scholargate.app/ko/machine-learning/regularized-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.
- 온라인 학습머신러닝↔ compare
- 정규화 선형 회귀머신러닝↔ compare
- 정규화 로지스틱 회귀머신러닝↔ compare
- 준지도 학습머신러닝↔ compare
- 확률적 경사 하강법(Stochastic Gradient Descent, SGD)머신러닝↔ compare
- 전이 학습머신러닝↔ compare