增量学习或在线学习涉及从数据流处理输入数据,可能仅仅给出了对预测变量的分布,目标函数的各个方面的知识,以及是否标记了观察。与传统机器学习方法对比的增量学习问题,其中有足够的标记数据可以适合模型,执行交叉验证以调整超公数,并推断出预测器分布特性。
增量学习需要配置的增量模型。您可以通过使用直接创建和配置增量模型incrementalregressionlinear.
,或者您可以通过使用将支持的传统训练模型转换为金宝app增量学习者incrementallearner
。在配置模型和设置数据流后,可以将增量模型适合到传入的数据块,跟踪模型的预测性能,或同时执行两个操作。
有关详细信息,请参见增量学习概述。
incrementalregressionlinear. |
增量学习的线性回归模型 |
发现关于增量学习的基本概念,包括增量学习对象,功能和工作流程。
为数据流上的增量性能评估和培训准备增量学习模型。
使用简洁的工作流程实现具有前列评估的线性回归的增量学习。
使用灵活的工作流程实现具有前列评估的线性回归的增量学习。
使用回归学习者应用培训线性SVM回归模型,然后使用估计的系数初始化回归的增量模型。