Çoğu çevrimiçi öğrenme algoritması şu soylardan en az birinden gelmektedir:
algılayıcı
Tekniğin bilinen durumu algılayıcılar, pasif-agresif algoritma , yapılandırılmış algılayıcı ve birçok çeşididir.
Winnow
Winnow, üstelleştirilmiş gradyan yöntemleri olarak yeniden formüle edilmiştir ve yapılandırılmış problemlere de uygulanabilir . SMIDAS gibi doğrudan L1 düzenlenmesi (seyrekliği garanti etmek) ile ilgilenen çeşitler de vardır .
Stokastik eğim inişi
Stokastik degrade iniş, olası bir toplu iş sorununa çevrimiçi optimizasyon uyguladığınız zamandır. Sanat algoritmaları Devlet Leon Bottou en şunlardır LaSVM , Pegasos ve birçok sinir ağı algoritmaları kolayca bu ortamda eğitilmiş olabilir. Birçok örnek için öğreticiye bakın . Belki çevrimiçi EM buraya uyuyor.
partikül filtreleme
Bu aynı zamanda rao-blackwellized çıkarsama olarak da bilinir ve daha fazla veri geldikçe grafiksel / olasılıklı bir modeli güncellemenizi sağlar. Bazı iyi örnekler çevrimiçi konu modelleri ve SMC'deki NIPS öğreticisidir .
Çevrimiçi öğrenimle ilgili, çevrimiçi-toplu dönüştürme , çekirdeklerle çevrimiçi öğrenme için bütçe teknikleri ( bu makale , bu makale ve bu makale gibi ), genelleştirme sınırlarının birçok farklı çeşidi, azlık endişeleri (ve ayrıca yukarıda alıntı yaptığım SMIDAS kağıdı), hafızadan tasarruf etmek için karma ve diğer birçok konu.