机器学习分支:active learning、incremental learning、online machine learning

0. incremental learning

  • 既有训练好的模型可能在新生成的数据上产生预测的偏差,可能是由于数据分布发生变化,这即为 concept drift,此时需要在这批新数据集上继续训练模型,调整参数;
  • sklearn 工具箱的分类器(如 linear_model 下的 SGDClassifier),一般都会 fit 和 partial_fit 两种训练方式,前者是全量训练,后者为有选择地部分地训练;
    https://blog.csdn.net/whiterbear/article/details/53120004
    • 或者是因为数据集规模过大,一次无法全部加载到内存,必须分批训练
    • 或者是因为线上环境 online,生成新的数据重新训练优化模型;

1. active learning

Active learning 是一种特殊形式的半监督机器学习方法,该方法允许交互式地询问用户(或者其他形式的信息源 information source)以获取对新的数据样本的理想输出。

Active learning 提供的这种交互机制尤其适用于 unlabeled data 有很多,且手工标注的代价十分高昂的场合。显然这种交互式地向用户询问以获取label,使得原始非监督问题变成了一种迭代式的监督学习(iterative supervised learning)。

比如我们人类幼儿在学习客观世界的一些名词概念时,如狗,一般是通过一种 active 地与父母老师交互式的询问,“这是狗吗”,“那只是狗吗”,然后父母或者老师说,“它有翅膀,狗没有翅膀”,进行学习的。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

五道口纳什

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值