เปรียบเทียบวิธี

	Support Vector Machine แบบออนไลน์	Online Gradient Boosting
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2005–2011	2011–2015
ผู้ริเริ่ม	Shalev-Shwartz, Singer, et al. (Pegasos); Bordes, Bottou et al. (LASVM)	Grubb, A. & Bagnell, J. A.; Beygelzimer, A. et al.
ประเภท	Online kernel classifier	Online ensemble (sequential boosting on streaming data)
แหล่งต้นตำรับ	Shalev-Shwartz, S., Singer, Y., Srebro, N., & Cotter, A. (2011). Pegasos: Primal estimated sub-gradient solver for SVM. Mathematical Programming, 127(1), 3–30.	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.
ชื่อเรียกอื่น	Online SVM, Incremental SVM, LASVM, Pegasos SVM	OGB, streaming gradient boosting, incremental gradient boosting, online boosting with gradient descent
ที่เกี่ยวข้อง	3	6
สรุป	Online SVM adapts the classical support vector machine to streaming or sequentially arriving data by updating the decision boundary one example at a time rather than solving a global quadratic program. Algorithms such as Pegasos and LASVM make this tractable at large scale, preserving the margin-maximising spirit of SVMs with sub-linear time per update.	Online Gradient Boosting adapts the gradient boosting framework for streaming settings where data arrives one sample at a time rather than as a fixed batch. At each step the model computes a pseudo-residual for the incoming observation and updates a weak learner in place, growing an additive ensemble without storing or revisiting past data. This makes it suitable for real-time prediction and large-scale streaming pipelines where retraining from scratch is infeasible.