เปรียบเทียบวิธี

	Online Linear Regression	การถดถอยโลจิสติกแบบออนไลน์
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1960 (LMS); 1950 (RLS formalization)	1960s (perceptron); formalized for logistic loss ~2000s
ผู้ริเริ่ม	Widrow, B. & Hoff, M. E. (LMS); Gauss / Plackett (RLS)	Rosenblatt, F. / Widrow, B. (perceptron era); modern SGD form: Bottou, L.
ประเภท	Incremental supervised regression	Incremental supervised classifier
แหล่งต้นตำรับ	Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194.	Bottou, L. (2010). Large-Scale Machine Learning with Stochastic Gradient Descent. In Proceedings of COMPSTAT 2010, 177–186. Physica-Verlag.
ชื่อเรียกอื่น	incremental linear regression, streaming linear regression, recursive least squares regression, stochastic gradient descent regression	incremental logistic regression, streaming logistic regression, SGD logistic classifier, online binary classifier
ที่เกี่ยวข้อง	6	5
สรุป	Online Linear Regression fits a linear model one observation at a time, updating weights incrementally as each new data point arrives. Unlike batch least-squares, it never needs to store or re-process the full dataset, making it the natural choice for streaming data, very large datasets, and environments where the data-generating process can shift over time.	Online Logistic Regression fits a logistic classifier one sample (or mini-batch) at a time via stochastic gradient descent, updating model weights as each observation arrives rather than waiting to see the full dataset. This makes it the standard choice for high-volume, streaming, or memory-constrained binary classification problems where batch training is infeasible.