知识卡片
在线模型随流数据更新参数
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?
这张卡片已通过人工审查,不再接受失败反馈。
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。