Онлайнове градієнтне бустування
Онлайнове градієнтне бустування адаптує фреймворк градієнтного бустування до потокових середовищ, де дані надходять по одному зразку за раз, а не фіксованим пакетом. На кожному кроці модель обчислює псевдоостачу для вхідного спостереження та оновлює слабкий учень на місці, нарощуючи адитивний ансамбль без збереження чи повторного перегляду минулих даних. Це робить його придатним для прогнозування в реальному часі та великомасштабних потокових конвеєрів, де перенавчання з нуля є неможливим.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Online Gradient Boosting (Streaming Gradient Boosted Ensembles). ScholarGate. https://scholargate.app/uk/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.
- БустингМашинне навчання↔ compare
- Градiєнтний бустингМашинне навчання↔ compare
- Онлайн-навчанняМашинне навчання↔ compare
- Онлайн випадковий лісМашинне навчання↔ compare
- Напівкерований градієнтний бустингМашинне навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →