Online gradientové zosilňovanie
Online Gradient Boosting adaptuje rámec gradientového zosilňovania pre streamovacie prostredia, kde dáta prichádzajú po jednom vzorku namiesto pevnej dávky. V každom kroku model vypočíta pseudo-rezíduum pre prichádzajúcu pozorovanú hodnotu a aktualizuje slabého učiteľa na mieste, čím rastie aditívny súbor bez ukladania alebo opätovného prezerania minulých dát. To ho robí vhodným pre predikciu v reálnom čase a rozsiahle streamovacie pipeline, kde je opätovné trénovanie od začiatku neuskutočniteľné.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Grubb, A. & Bagnell, J. A. (2011). Generalized Boosting Algorithms for Convex Optimization. Proceedings of the 28th International Conference on Machine Learning (ICML 2011), 1209–1216. link ↗
- Beygelzimer, A., Hazan, E., Langford, J. & Zheng, T. (2015). Online-to-Batch Conversions and Applications. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Online Gradient Boosting (Streaming Gradient Boosted Ensembles). ScholarGate. https://scholargate.app/sk/machine-learning/online-gradient-boosting
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.
- BoostingStrojové učenie↔ compare
- Gradient BoostingStrojové učenie↔ compare
- Online učenieStrojové učenie↔ compare
- Online Random ForestStrojové učenie↔ compare
- Polosupervizované zosilňovanie gradientuStrojové učenie↔ compare
- XGBoostStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →