เปรียบเทียบวิธี

	การถดถอยโลจิสติกแบบออนไลน์	การถดถอยโลจิสติก (ML)
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1960s (perceptron); formalized for logistic loss ~2000s	1958
ผู้ริเริ่ม	Rosenblatt, F. / Widrow, B. (perceptron era); modern SGD form: Bottou, L.	Cox, D. R.
ประเภท	Incremental supervised classifier	Probabilistic linear classifier
แหล่งต้นตำรับ	Bottou, L. (2010). Large-Scale Machine Learning with Stochastic Gradient Descent. In Proceedings of COMPSTAT 2010, 177–186. Physica-Verlag.	Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society, Series B, 20(2), 215–242.
ชื่อเรียกอื่น	incremental logistic regression, streaming logistic regression, SGD logistic classifier, online binary classifier	logit model, logit regression, binomial logistic regression, maximum entropy classifier
ที่เกี่ยวข้อง	5	5
สรุป	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.	Logistic regression is a foundational probabilistic classifier that models the log-odds of a binary (or multinomial) outcome as a linear function of the predictors. Introduced by D. R. Cox in 1958, it remains one of the most widely used and interpretable classification methods in both statistics and machine learning, valued for its calibrated probability outputs and clear coefficient interpretation.