Online Linear Regression (Incremental Least-Squares)
ลองนึกภาพการปรับปุ่มของตัวทำนายเชิงเส้น (linear predictor) หลังจากการวัดแต่ละครั้ง แทนที่จะรอเก็บข้อมูลทั้งหมดก่อน การสังเกตการณ์ใหม่แต่ละครั้งจะบอกคุณว่าการคาดเดาปัจจุบันของคุณผิดพลาดไปเพียงใด และคุณจะปรับเวกเตอร์น้ำหนักไปในทิศทางที่จะลดข้อผิดพลาดนั้น เมื่อผ่านการสังเกตการณ์จำนวนมาก น้ำหนักจะลู่เข้าสู่ค่าที่ใกล้เคียงกับผลเฉลยของการถดถอยกำลังสองน้อยสุด (ordinary least-squares) แต่คุณได้ผลลัพธ์นั้นโดยไม่ต้องโหลดข้อมูลทั้งหมดเข้าสู่หน่วยความจำ และคุณสามารถปรับเปลี่ยนต่อไปได้หากความสัมพันธ์พื้นฐานมีการเปลี่ยนแปลง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018 ↗
- Haykin, S. (2002). Adaptive Filter Theory (4th ed.). Prentice Hall. ISBN: 978-0130901262
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Online Linear Regression (Incremental Least-Squares). ScholarGate. https://scholargate.app/th/machine-learning/online-linear-regression
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.
- การถดถอยเชิงเส้น (Linear Regression) (ML)การเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบออนไลน์การเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกแบบออนไลน์การเรียนรู้ของเครื่อง↔ compare
- การถดถอยเชิงเส้นแบบปรับค่า (Regularized Linear Regression)การเรียนรู้ของเครื่อง↔ compare
- Ridge Regressionการเรียนรู้ของเครื่อง↔ compare
- Stochastic Gradient Descent (SGD)การเรียนรู้ของเครื่อง↔ compare