เปรียบเทียบวิธี

	การถดถอยโลจิสติกแบบออนไลน์	Online Linear Regression
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1960s (perceptron); formalized for logistic loss ~2000s	1960 (LMS); 1950 (RLS formalization)
ผู้ริเริ่ม	Rosenblatt, F. / Widrow, B. (perceptron era); modern SGD form: Bottou, L.	Widrow, B. & Hoff, M. E. (LMS); Gauss / Plackett (RLS)
ประเภท	Incremental supervised classifier	Incremental supervised regression
แหล่งต้นตำรับ	Bottou, L. (2010). Large-Scale Machine Learning with Stochastic Gradient Descent. In Proceedings of COMPSTAT 2010, 177–186. Physica-Verlag.	Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194.
ชื่อเรียกอื่น	incremental logistic regression, streaming logistic regression, SGD logistic classifier, online binary classifier	incremental linear regression, streaming linear regression, recursive least squares regression, stochastic gradient descent regression
ที่เกี่ยวข้อง	5	6
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.	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.