Online logistisk regresjon
Online logistisk regresjon tilpasser en logistisk klassifikator én observasjon (eller minibatch) om gangen via stokastisk gradientnedstigning, og oppdaterer modellvektene etter hvert som hver observasjon ankommer, i stedet for å vente på å se hele datasettet. Dette gjør den til standardvalget for binære klassifiseringsproblemer med høyt volum, strømming eller minnebegrensninger, der batch-trening er ufremkommelig.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Online Logistic Regression (Incremental Stochastic Gradient Descent). ScholarGate. https://scholargate.app/no/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.
- Logistisk regresjon (ML)Maskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Online lineær regresjonMaskinlæring↔ compare
- Regulert logistisk regresjonMaskinlæring↔ compare
- Logistisk regresjon med semi-overvåkingMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →