在给定新数据和训练模型的情况下,更新朴素贝叶斯分类模型的增量学习性能指标
给定流数据,updateMetricsAndFit
首先评估用于增量学习的配置朴素贝叶斯分类模型的性能(incrementalClassificationNaiveBayes
对象)updateMetrics
输入数据。然后updateMetricsAndFit
将模型与数据匹配,调用适合
。换句话说,updateMetricsAndFit
执行prequential评价因为它将每个传入数据块视为测试集,并跟踪在指定窗口内累积测量的性能指标[1]。
updateMetricsAndFit
提供一种简单的方法来更新模型性能指标,并在每个数据块上训练模型。或者,您也可以通过调用updateMetrics
然后适合
,这样可以提供更大的灵活性(例如,您可以决定是否需要根据模型在数据块上的性能来训练模型)。
返回用于增量学习的朴素贝叶斯分类模型Mdl
= updateMetricsAndFit (Mdl
,X
,Y
)Mdl
,这是用于增量学习的输入朴素贝叶斯分类模型Mdl
修改如下:
updateMetricsAndFit
测量模型在传入预测器和响应数据上的性能;X
和Y
分别。当输入模型为温暖的(Mdl。我年代Warm
是真正的
),updateMetricsAndFit
中存储的先前计算的指标指标
属性,并使用新值。否则,updateMetricsAndFit
商店南
值指标
代替。
updateMetricsAndFit
通过更新给定类别的每个预测变量的条件后验均值和标准差,将修改后的模型拟合到输入数据中,并在输出模型中存储新的估计以及其他配置Mdl
。
输入和输出模型具有相同的数据类型。