本发明公开了一种空调负荷在线学习方法，包括：步骤S1：将一时刻采集的空调气象参数和负荷参数定义为一组数据，实时采集若干组所述数据；步骤S2：对所述S1采集的每一组所述数据进行预处理；步骤S3：将每一组所述数据分别对应一特征向量；步骤S4：根据所述特征向量，得到每一组所述数据对应的若干组组合特征；步骤S5：获取预设的梯度提升树模型，采用一组所述数据对应的若干组所述组合特征对所述梯度提升树模型进行训练。本发明在空调负荷预测领域具有更快的训练速度、更低的内存消耗和更好的准确率，具有良好地泛化性能，以促进在数据分布不稳定的在线模式下更好地学习。