我是在线学习初学者。在我看来,在线学习模型是一种可以用数据流更新其参数的模型(我看过一篇文章指出,增量模型是时间的不可弥补的,而在线学习强调的是时间序列中的数据流)。
在这里,我认为它们是一回事。
在我看来,大多数深度学习都可以被微调,就像我们微调一个预先训练过的bert模型,这意味着一个深度学习模型可以被精细调整,这相当于深度学习模式是一个在线学习模式,只要我尽快收到数据流。
顺便说一句,我谷歌在线学习,结果相关的这是很少发现,从而谷歌学者。这个领域已经不热了吗?或者我输入了错误的关键字,请告诉我。谢谢。
发布于 2022-02-22 06:33:58
在线学习被定义为a method of machine learning in which data becomes available in a sequential order and is used to update the best predictor for future data at each step, as opposed to batch learning techniques which generate the best predictor by learning on the entire training data set at once,因此时间成分是区分在线学习和离线学习的重要因素。所以我会说“不”,大多数深度学习模型可能不是在线的,但它们在学习时使用批次,这是另一回事,因为这些批次是来自数据采集时间无关的数据的随机样本。
https://datascience.stackexchange.com/questions/108407
复制相似问题