返回主题:学习范式与泛化边界

此卡片不在当前主题的阅读序列中,可返回主题继续阅读。

知识卡片

普通读书笔记卡 · 3098

在线模型随流数据更新参数

理解等级:中级

在线模型随流数据到达持续更新参数,再用当前模型判断或预测新数据。它适用于数据规律会变化、离线模型难以及时反映现状的场景;更新速度仍取决于所选算法和观测节奏。统计模型通常显式规定分布,机器学习模型则由特征与目标函数学习预测关系,两者都需要检查模型是否跟得上变化。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《实时流计算系统设计与实现》第4章4.6《模型学习和预测》(源文件:_epub-src/OEBPS/Text/chapter69.xhtml) - 结论依据:原文说明流数据输入学习算法以实时更新参数,并区分统计模型偏重可解释性与机器学习模型偏重预测效果。 - 原始内容:流数据不断输入模型学习算法,实时更新模型参数,在线训练所得模型能够更加及时和真切地表达当前状况。……统计学习模型以统计分析为基础,偏向于挖掘数据内部产生的机制,更加注重模型和数据的可解释性;而机器学习模型以各种机器学习方法为基础,偏向于用历史数据来预测未来数据,更加注重模型的预测效果。