Học trực tuyến có điều chuẩn
Học trực tuyến có điều chuẩn mở rộng mô hình học trực tuyến bằng cách kết hợp một hình phạt điều chuẩn vào mỗi cập nhật trọng số, kiểm soát độ phức tạp của mô hình trong khi xử lý dữ liệu từng ví dụ một. Các thuật toán như Follow-the-Regularized-Leader (FTRL) và Regularized Dual Averaging (RDA) làm cho phương pháp này trở nên khả thi trên quy mô lớn, cho phép tạo ra các mô hình thưa, được hiệu chỉnh tốt trên dữ liệu luồng.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Xiao, L. (2010). Dual Averaging Methods for Regularized Stochastic and Online Optimization. Journal of Machine Learning Research, 11, 2543–2596. link ↗
- Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Regularized Online Learning (Online Learning with Regularization). ScholarGate. https://scholargate.app/vi/machine-learning/regularized-online-learning
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.
- Học trực tuyếnHọc máy↔ compare
- Hồi quy tuyến tính chính quy hóaHọc máy↔ compare
- Hồi quy Logistic Chính quyHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
- Tối ưu hóa Gradient Ngẫu nhiên (Stochastic Gradient Descent - SGD)Học máy↔ compare
- Transfer LearningHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →