知识卡片
离线训练在线更新与评估
在线模型服务之前必须先训练,以确定模型结构、参数权重具体数值以及算法策略中的参数取值。按训练环境分为离线训练与在线更新:离线训练利用全量样本和特征,使模型逼近全局最优点;在线更新准实时地“消化”新样本,更快反映数据变化趋势,满足实时性需求。二者分别侧重全局最优与快速适应,实践中有取舍:全量数据更稳但滞后,增量更新更及时但可能偏离全局。此外模型部分提供离线评估与线上A/B测试等模块,用线下和线上指标共同指导下一步迭代优化,形成“训练—评估—迭代”的闭环。
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。
在整书笔记中的位置
原书出处 · 1 处
- 第1章 互联网的增长引擎——推荐系统 · 查看原书依据
离线训练的特点是可以利用全量样本和特征,使模型逼近全局最优点;在线更新则可以准实时地“消化”新的数据样本,更快地反映新的数据变化趋势,满足模型实时性的需求。
参考来源
- 位置:《深度学习推荐系统》第1章 互联网的增长引擎——推荐系统(源文件:extracted/深度学习推荐系统/_epub-src/text/part0005_split_002.html)
- 结论依据:原文说明模型训练在模型服务之前进行,区分离线训练与在线更新的特点,并列举离线评估、线上A/B测试等评估模块用于指导模型迭代。
- 原始内容:离线训练的特点是可以利用全量样本和特征,使模型逼近全局最优点;在线更新则可以准实时地“消化”新的数据样本,更快地反映新的数据变化趋势,满足模型实时性的需求。