Tiešsaistes loģistiskā regresija
Tiešsaistes loģistiskā regresija pielāgo loģistisko klasifikatoru pa vienam paraugam (vai mini-partijai), izmantojot stohastisko gradienta nolaišanos, atjauninot modeļa svarus, tiklīdz tiek saņemts katrs novērojums, nevis gaidot pilnīgas datu kopas ielādi. Tas padara to par standarta izvēli liela apjoma, straumēšanas vai atmiņas ierobežotu binārās klasifikācijas problēmām, kur partijas apmācība nav iespējama.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Bottou, L. (2010). Large-Scale Machine Learning with Stochastic Gradient Descent. In Proceedings of COMPSTAT 2010, 177–186. Physica-Verlag. 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Online Logistic Regression (Incremental Stochastic Gradient Descent). ScholarGate. https://scholargate.app/lv/machine-learning/online-logistic-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.
- Logistiskā regresija (ML)Mašīnmācīšanās↔ compare
- Tiešsaistes apguveMašīnmācīšanās↔ compare
- Tiešsaistes lineārā regresijaMašīnmācīšanās↔ compare
- Regularizētā loģistikā regresijaMašīnmācīšanās↔ compare
- Loģistikas regresija ar daļēji uzraudzītu apmācībuMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →