เปรียบเทียบวิธี

	การเรียนรู้ออนไลน์แบบกึ่งมีผู้สอน	การเรียนรู้แบบออนไลน์
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2000s–2010s	1958–2000s
ผู้ริเริ่ม	Goldberg, A.; Li, M.; Zhu, X. (among key contributors)	Rosenblatt, F.; Littlestone, N.; Shalev-Shwartz, S. (key contributors)
ประเภท	Hybrid learning paradigm (online + semi-supervised)	Learning paradigm (sequential model update)
แหล่งต้นตำรับ	Goldberg, A., Li, M., & Zhu, X. (2008). Online manifold regularization: A new learning setting and empirical study. In Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2008), Lecture Notes in Computer Science, 5211, 393–407. Springer.	Shalev-Shwartz, S. (2011). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194.
ชื่อเรียกอื่น	SSOL, online semi-supervised learning, semi-supervised incremental learning, streaming semi-supervised learning	incremental learning, sequential learning, streaming learning, online machine learning
ที่เกี่ยวข้อง	4	6
สรุป	Semi-supervised Online Learning combines the incremental update style of online learning with the ability to exploit unlabeled examples, enabling models to improve continuously from a data stream in which only a small fraction of arriving instances carry ground-truth labels. It is especially valuable when labeling is expensive or delayed but data arrives in real time.	Online learning is a machine learning paradigm in which a model is updated incrementally as each new data point arrives, rather than being trained once on a fixed dataset. It is essential when data streams continuously, storage is limited, or the underlying distribution shifts over time. Theoretical performance is measured by cumulative regret relative to the best fixed predictor in hindsight.