目前，大多数增量学习都是计算机视觉领域对分类问题做的预测，关于增量学习在回归问题中的研究还比较少，本文便从增量式回归模型中构建，来表述增量学习在回归预测中是如何解决问题的。
以文献：基于增量学习的智慧化城镇供水量预测算法研究 为例
目的：实现高精度的供水量预测
本文主要对第二、三部分进行讲解。
第二部分：供水量预测回归模型，——新增数据——预测模型需要及时的学习新增数据知识——因此——增量学习下作为模型参数更新算法进行数据训练，不断利用新增数据来改善相关模型。
第三部分：基于指数平滑修正的增量SVR算法提高预测准确率
学习增量间隔内新增数据局部趋势信息——指数平滑法
实验部分：对实际水厂的供水量谡，使用其他回归算法进行对比分析。
1.供水量预测对增量学习的需求
增量供水量预测是一个多特征输入的预测问题，且属于机器学习的回归类模型
- 具备多元回归预测的能力且预测精度高
- 能够实现增量学习且参数易于优化，模型的泛化能力强
预测之前先对数据进行预处理。
2. 增量流程
增量学习在原始数据较少的情况下，随着新数据的到来模型定期参数更新。
训练过程：将SVR上一次训练保存的支持向
最低0.47元/天 解锁文章
1131
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
