有监督或无监督的机器学习算法如何比新的数据集更好

Question

使用这门课程是关于机器学习的，我了解了一些关于监督和无监督算法的知识。

在维基百科上，我读到机器学习是“在任务/任务完成后获得更好的性能/P，即经验/E”。

现在，在这些算法中，我看到的是它们给它一组数据(或者为监督的算法预先标记，或者不是为另一种算法标记)，这些算法试图计算出数据并生成一些输出。

但是，我真的找不出在这个过程中，这些算法在接收到的每一个新数据集中是如何变得更好的。

我真的很感激这里的任何帮助。我是不是错过了机器学习方面的东西？如果没有每个新的数据集部分变得更好，这些算法与我们用大量条件子句和循环编写的普通程序有什么不同？

Answer 1

课程只涉及机器学习的“批处理”或“离线”方法。在批处理方法中，您将模型训练一次，然后将经过训练的模型用作静态资源。您正在寻找的是在线机器学习方法。通常情况下，这需要找到一种算法，在这种算法中，新数据可以与现有模型相结合，生成一个新的、改进的模型，但不需要简单地将新数据与旧数据抛到一起，然后从头开始重新训练。