Online Gradient Boosting
Online Gradient Boosting ปรับกรอบการทำงานของ gradient boosting สำหรับการตั้งค่าแบบสตรีมมิง ซึ่งข้อมูลจะเข้ามาทีละตัวอย่าง แทนที่จะเป็นชุดข้อมูลคงที่ ในแต่ละขั้นตอน โมเดลจะคำนวณค่า pseudo-residual สำหรับการสังเกตที่เข้ามา และอัปเดต weak learner ในตำแหน่งนั้นๆ โดยการสร้าง ensemble แบบเพิ่มพูนโดยไม่ต้องจัดเก็บหรือย้อนกลับไปดูข้อมูลเก่า ทำให้เหมาะสำหรับการทำนายแบบเรียลไทม์และไปป์ไลน์สตรีมมิงขนาดใหญ่ที่ไม่สามารถฝึกใหม่ทั้งหมดได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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. link ↗
- Beygelzimer, A., Hazan, E., Langford, J. & Zheng, T. (2015). Online-to-Batch Conversions and Applications. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Online Gradient Boosting (Streaming Gradient Boosted Ensembles). ScholarGate. https://scholargate.app/th/machine-learning/online-gradient-boosting
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Boostingการเรียนรู้ของเครื่อง↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบออนไลน์การเรียนรู้ของเครื่อง↔ compare
- Online Random Forestการเรียนรู้ของเครื่อง↔ compare
- การเพิ่มประสิทธิภาพแบบกึ่งมีผู้สอนโดยใช้ Gradient Boostingการเรียนรู้ของเครื่อง↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare