Online logistisk regression
Online logistisk regression anpassar en logistisk klassificerare en observation (eller minibatch) i taget via stokastisk gradientnedstigning, och uppdaterar modellvikterna allt eftersom varje observation anländer istället för att vänta på att se hela datasetet. Detta gör den till standardvalet för binära klassificeringsproblem med hög volym, strömmande data eller minnesbegränsningar där batchträning är ogenomförbar.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Online Logistic Regression (Incremental Stochastic Gradient Descent). ScholarGate. https://scholargate.app/sv/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 regression (ML)Maskininlärning↔ compare
- Online LearningMaskininlärning↔ compare
- Online linjär regressionMaskininlärning↔ compare
- Regulariserad logistisk regressionMaskininlärning↔ compare
- Semi-övervakad logistisk regressionMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →