在给定新数据的情况下,更新朴素贝叶斯分类模型的增量学习性能指标
给定流数据,updateMetrics
测量用于增量学习的配置朴素贝叶斯分类模型的性能(incrementalClassificationNaiveBayes
对象)。updateMetrics
将性能指标存储在输出模型中。
updateMetrics
允许灵活的增量学习。在您调用函数来更新传入数据块上的模型性能指标之后,您可以在将模型训练为数据之前执行其他操作。例如,您可以根据模型在数据块上的表现来决定是否需要训练模型。方法,可以在一次调用中更新模型性能指标,并在数据到达时对模型进行训练updateMetricsAndFit
函数。
要度量模型在指定批数据上的性能,请调用损失
代替。
与传统的训练不同,增量学习可能没有单独的测试(坚持)集。因此,要将每个传入的数据块视为一个测试集,将增量模型和每个传入的数据块传递给updateMetrics
在训练模型之前使用相同的数据适合
.