技术

Online Learning（在线学习）

Online Learning 是一种按时间顺序逐个接收数据并即时更新模型的机器学习范式，解决数据流动态变化或无法一次性获取全量数据的问题。典型应用包括在线广告点击率预测、股票交易和推荐系统，代表算法有在线梯度下降（OGD）和跟随正则化领导者（FTRL）。

收录于 2026/9/9相关资讯 2 篇在词典中查看 →

详细解释

传统批量学习需要预先收集全部数据并多次遍历，而在线学习在每轮 t 接收一个样本 x_t，预测后获得损失，并立即更新模型参数。其理论核心是遗憾界（regret bound），即累积损失与事后最优固定策略损失之差，好的算法可达到 O(√T) 遗憾。在线学习适用于概念漂移环境，并衍生出对抗性在线学习、在线凸优化等分支。实际系统中，FTRL 等算法被用于大规模广告推荐，兼顾稀疏性与实时性。

别名与相关写法
online learning

相关术语

Contextual Bandits共现 1 篇
RoPE共现 1 篇

相关资讯

完整术语表见 AI 术语词典； 每日新术语与进展见 AI 早报。