增量学习或在线学习涉及处理来自数据流的传入数据，可能很少或根本不知道预测变量的分布、目标函数的各个方面以及观察结果是否被标记。增量学习问题与传统的机器学习方法形成对比，在传统的机器学习方法中，有足够的标记数据来拟合模型，执行交叉验证来调优超参数，并推断预测器分布特征。

增量学习需要一个配置好的增量模型。例如，您可以通过调用对象直接创建和配置增量模型incrementalClassificationLinear，或者您可以通过使用将受支持的传统训练模型转换万博1manbetx为增量学习器incrementalLearner．在配置模型并设置数据流之后，您可以将增量模型与传入的数据块相匹配，跟踪模型的预测性能，或者同时执行这两种操作。

详情请参见增量学习概述．

您还可以增量地监视概念数据中的漂移，例如分类错误。首先，您需要使用配置漂移检测器incrementalConceptDriftDetector．在设置数据流之后，您可以更新漂移检测器并检查使用的任何漂移detectdrift．有关更多信息，请参阅参考页。