Онлайновая линейная регрессия
Онлайновая линейная регрессия подгоняет линейную модель по одному наблюдению за раз, инкрементально обновляя веса по мере поступления каждой новой точки данных. В отличие от пакетного метода наименьших квадратов, ей никогда не требуется хранить или повторно обрабатывать полный набор данных, что делает ее естественным выбором для потоковых данных, очень больших наборов данных и сред, где процесс генерации данных может меняться со временем.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018 ↗
- Haykin, S. (2002). Adaptive Filter Theory (4th ed.). Prentice Hall. ISBN: 978-0130901262
Как цитировать эту страницу
ScholarGate. (2026, June 3). Online Linear Regression (Incremental Least-Squares). ScholarGate. https://scholargate.app/ru/machine-learning/online-linear-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.
- Линейная регрессия (МО)Машинное обучение↔ compare
- Онлайн-обучениеМашинное обучение↔ compare
- Онлайн-логистическая регрессияМашинное обучение↔ compare
- Регуляризованная линейная регрессияМашинное обучение↔ compare
- Гребневая регрессияМашинное обучение↔ compare
- Стохастический градиентный спуск (SGD)Машинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →