La traducción de esta página está obsoleta。Haga clic aquí para from la última versión en inglés。
Aprendizaje增量
这是增量的,这是在线的,这隐含着进入transmisión的程序的过程,这可能是我们知道distribución的变量的预测,这是función的目的,这是我们观察están的礼仪。我们要解决的问题是增加对比métodos机器学习的传统知识,我们要解决礼仪的充足性问题,我们要用一个模型,我们要了解validación我们要了解hiperparámetros我们要了解características我们要了解预测。
这个aprendizaje增量exige用于配置一个增量模型。我们可以直接把它配置成一个增量的模型一个反对的对象,incrementalClassificationLinear
,将modelo兼容的模式转换为传统模式和增量中位数incrementalLearner
.Después我们可以定义一个人的安全,我们可以增加一个人的安全,我们可以预测一个人的安全simultánea。
请咨询más información增量学习概述.
一些必要
Objetos
incrementalClassificationLinear |
二元分类线性增量学习模型 |
incrementalClassificationNaiveBayes |
用于增量学习的朴素贝叶斯分类模型 |
特马
了解关于增量学习的基本概念,包括增量学习对象、功能和工作流。
为在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来实现增量学习的二元分类与前置评估。
采用灵活的工作流程,实现基于先验评估的二元分类增量学习。
从分类学习者训练的Logistic回归模型中初始化增量学习模型
使用Classification Learner app训练逻辑回归模型,然后使用估计的系数初始化二元分类的增量模型。
在渐进学习过程中,利用贝叶斯多类分类模型,采用灵活的工作流程实现条件训练。