主要内容
增量学习
拟合线性模型，以便回归流媒体数据并跟踪其性能
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。
功能
对象
incrementalregressionlinear. |
增量学习的线性回归模型 |
主题
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。
您还可以从以下列表中选择一个网站：
