主要内容

La traducción de esta página aún没有se ha actualizado a La versión más reciente。Haga clic aquí para ver la última versión en inglés。

Aprendizaje增量

调整模型clasificación a los datos de transmisión y监督su rendimiento

增量的,增量的,增量的línea,隐含的数据过程,进入的程序,程序transmisión,数据,可能的,预测的变量distribución,客观的,观察的内容función礼仪。Los problemas del prendiazaje增量对比con Los métodos de机器学习传统,en Los que se disone de disone des datos etiququetados para ajustarse a un modelo, realizar una validación cruzada para ajustar Los hiperparámetros e inferir las características de la distribución de Los predictores。

增量式增量式配置模式增量式。Puede clear y configuration un modelo增量的直接的事情,一个对象,incrementalClassificationLinear, o可转换的联合国模式兼容的传统模式和联合国模式的增量中位数incrementalLearner.Después关于数据安全模式的配置和定义,关于进入数据碎片的增补模式的指导,关于实现模式的预测能力的指导simultánea。

Para obtener más información, consulte增量学习概述

También关于概念数据的进步形式的监测,关于错误的故事clasificación。En primer lugar, tiene que configurar el detector de desviación usandoincrementalConceptDriftDetector.Después关于数据安全的定义,desviación关于数据安全的计算detectdrift.Para obtener más información, consulte las páginas de referencia。

一些必要

expandir待办事项

Modelo de clasificación二进制内核

incrementalLearner 将二进制分类的核模型转换为增量学习器

Modelo de clasificación线性二进制

incrementalLearner 将二元分类支持向量机(SVM)模型转化为增量学习器金宝app
incrementalLearner 将线性二元分类模型转化为增量学习器

Modelo de clasificación ECOC多类

incrementalLearner 将多类纠错输出码(ECOC)模型转换为增量学习器

模态朴素贝叶斯

incrementalLearner 将朴素贝叶斯分类模型转化为增量学习器

Modelo de clasificación二进制内核

适合 训练增量学习的核模型
updateMetrics 在给定新数据的情况下更新内核增量学习模型中的性能指标
updateMetricsAndFit 给出新的数据和训练模型,更新内核增量学习模型中的性能指标

Modelo de clasificación线性二进制

适合 为增量学习训练线性模型
updateMetrics 在线性增量学习模型中根据新数据更新性能指标
updateMetricsAndFit 在线性增量学习模型中,根据新的数据和训练模型更新性能指标

Modelo de clasificación ECOC多类

适合 训练用于增量学习的ECOC分类模型
updateMetrics 根据新数据更新ECOC增量学习分类模型的性能指标
updateMetricsAndFit 更新ECOC增量学习分类模型中的性能指标,提供新的数据和训练模型

模态朴素贝叶斯

适合 训练用于增量学习的朴素贝叶斯分类模型
updateMetrics 在新数据下更新朴素贝叶斯增量学习分类模型的性能指标
updateMetricsAndFit 在给定新的数据和训练模型的情况下,更新朴素贝叶斯增量学习分类模型的性能指标

Modelo de clasificación二进制内核

预测 预测内核增量学习模型对新观测的响应
损失 批数据上内核增量学习模型的丢失
perObservationLoss 增量学习模型的观测分类误差
重置 重置增量分类模型

Modelo de clasificación线性二进制

预测 从线性增量学习模型预测新观测的响应
损失 线性增量学习模型对批量数据的损失
perObservationLoss 增量学习模型的观测分类误差
重置 重置增量分类模型

Modelo de clasificación ECOC多类

预测 预测ECOC增量学习分类模型对新观测结果的响应
损失 批数据上ECOC增量学习分类模型的丢失
perObservationLoss 增量学习模型的观测分类误差
重置 重置增量分类模型

模态朴素贝叶斯

预测 预测朴素贝叶斯增量学习分类模型对新观测结果的响应
损失 批数据上朴素贝叶斯增量学习分类模型的缺失
logp 增量学习朴素贝叶斯分类模型的对数无条件概率密度
perObservationLoss 增量学习模型的观测分类误差
重置 重置增量分类模型
incrementalConceptDriftDetector 实例化增量概念漂移检测器
detectdrift 用新数据更新漂移检测器状态和漂移状态
重置 重置增量概念漂移检测器

Objetos

expandir待办事项

incrementalClassificationKernel 增量学习的二进制分类核模型
incrementalClassificationLinear 增量学习的二元分类线性模型
incrementalClassificationECOC 采用二元学习器进行增量学习的多类分类模型
incrementalClassificationNaiveBayes 增量学习的朴素贝叶斯分类模型
DriftDetectionMethod 采用DDM漂移检测方法的增量漂移检测器
HoeffdingDriftDetectionMethod 利用Hoeffding边界漂移检测方法(HDDM)的增量概念漂移检测器

特马