Online Machine Learning

Edited by Thomas Bartz-Beielstein () and Eva Bartz ()

in Springer Books from Springer

Date: 2024
Edition: 2. Auflage 2024
ISBN: 978-3-658-46162-1
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Chapters in this book:

Ch Kapitel 1 Einleitung: Vom Batch Machine Learning zum Online Machine Learning

Thomas Bartz-Beielstein

Ch Kapitel 10 Hyperparameter Tuning

Thomas Bartz-Beielstein

Ch Kapitel 11 Zusammenfassung und Ausblick

Thomas Bartz-Beielstein and Eva Bartz

Ch Kapitel 2 Supervised Learning: Klassifikation und Regression

Thomas Bartz-Beielstein

Ch Kapitel 3 Drifterkennung und –behandlung

Thomas Bartz-Beielstein

Ch Kapitel 4 Initiale Auswahl und nachträgliche Aktualisierung von OML Modellen

Thomas Bartz-Beielstein

Ch Kapitel 5 Evaluation und Performance-Messung

Thomas Bartz-Beielstein

Ch Kapitel 6 Besondere Anforderungen an OML-Verfahren

Thomas Bartz-Beielstein

Ch Kapitel 7 Praxisanwendungen

Steffen Moritz, Florian Dumpert, Thomas Bartz-Beielstein and Eva Bartz

Ch Kapitel 8 Open-Source-Software für Online Machine Learning

Thomas Bartz-Beielstein

Ch Kapitel 9 Ein experimenteller Vergleich von Batch- und Online Machine Learning-Algorithmen

Thomas Bartz-Beielstein

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprbok:978-3-658-46162-1

Ordering information: This item can be ordered from
http://www.springer.com/9783658461621

DOI: 10.1007/978-3-658-46162-1

Access Statistics for this book

More books in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().