主要内容
增量学习
符合线性模型回归流数据和跟踪性能
增量学习,或在线学习,涉及到处理传入的数据从数据流,可能因为没有知识分布的预测变量,目标函数方面,观察是否标示。增量学习问题与传统的机器学习方法,在足够的标签数据可用来适应一个模型,优化hyperparameters进行交叉验证,推断预测分布特征。
增量学习需要配置增量式模型。您可以创建和配置增量模型直接利用incrementalRegressionLinear,或者你可以支持传统的训练模式转换为增量学习者金宝app通过使用incrementalLearner。后配置模型和建立一个数据流,可以适应增量式模型传入的数据块,跟踪模型的预测性能,或同时执行这两个操作。
更多细节,请参阅增量学习概述。
功能
对象
incrementalRegressionLinear |
线性回归模型的增量学习 |
主题
发现增量学习的基本概念,包括增量学习对象、函数和工作流。
准备一个增量学习模型的增量数据流绩效评估和培训。
使用简洁的工作流来实现增量学习的线性回归prequential评估。
使用灵活的工作流来实现增量学习的线性回归prequential评估。
火车一个线性支持向量机回归模型使用回归学习者应用,然后初始化使用估计回归系数的增量式模型。
