主要内容
增量学习
拟合线性模型对流数据进行回归并跟踪其性能
增量学习，或在线学习，涉及处理来自数据流的传入数据，可能对预测变量的分布、目标函数的各个方面以及观察结果是否被标记的知识很少或没有。增量学习问题与传统机器学习方法不同，传统机器学习方法有足够的标记数据来拟合模型，进行交叉验证以调整超参数，并推断预测器分布特征。
增量学习需要配置的增量模型。您可以通过使用incrementalRegressionLinear，或者您可以使用以下方法将受支持的传统训练模型万博1manbetx转换为增量学习者incrementalLearner．在配置模型和设置数据流之后，您可以将增量模型适应传入的数据块，跟踪模型的预测性能，或者同时执行这两种操作。
有关更多详细信息，请参阅增量学习概述．
功能
对象
incrementalRegressionLinear |
增量学习的线性回归模型 |
话题
了解关于增量学习的基本概念，包括增量学习对象、增量学习功能和增量学习流程。
为数据流上的增量绩效评估和培训准备一个增量学习模型。
使用简洁的工作流程实现线性回归的增量学习。
利用灵活的工作流程，实现线性回归的增量学习。
使用回归学习应用程序训练线性支持向量机回归模型，然后使用估计系数初始化增量模型进行回归。
你也可以从以下列表中选择一个网站:
