Uczenie online
Uczenie online to paradygmat uczenia maszynowego, w którym model jest aktualizowany przyrostowo w miarę napływania każdego nowego punktu danych, zamiast być trenowanym jednorazowo na ustalonym zbiorze danych. Jest to kluczowe, gdy strumienie danych są ciągłe, przestrzeń dyskowa jest ograniczona lub podstawowy rozkład zmienia się w czasie. Teoretyczna wydajność jest mierzona skumulowanym żalem w stosunku do najlepszego stałego predyktora wybranego z perspektywy czasu.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+30 more
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Online Learning (Sequential / Incremental Machine Learning). ScholarGate. https://scholargate.app/pl/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.
- Aktywna naukaUczenie maszynowe↔ compare
- Uczenie federacyjnePrywatność↔ compare
- Uczenie z niewielką liczbą przykładówUczenie maszynowe↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Uczenie transferoweUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →