La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Aprendizaje incremental

Ajuste un modelo de clasificación a los datos de transmisión y supervise su rendimiento

El aprendizaje incremental, o aprendizaje en línea, implica el procesamiento de datos entrantes procedentes de una transmisión de datos, posiblemente con poco o sin conocimiento alguno de la distribución de las variables predictoras, los aspectos de la función objetivo y si las observaciones están etiquetadas. Los problemas del aprendizaje incremental contrastan con los métodos de machine learning tradicionales, en los que se dispone de suficientes datos etiquetados para ajustarse a un modelo, realizar una validación cruzada para ajustar los hiperparámetros e inferir las características de la distribución de los predictores.

El aprendizaje incremental exige que se configure un modelo incremental. Puede crear y configurar un modelo incremental de manera directa llamando a un objeto, por ejemplo, incrementalClassificationLinear, o convertir un modelo compatible entrenado por los medios tradicionales en un modelo de aprendizaje incremental mediante incrementalLearner. Después de configurar un modelo y definir una secuencia de datos, puede ajustar el modelo incremental a los fragmentos de datos entrantes, supervisar la capacidad predictiva del modelo o realizar ambas acciones de manera simultánea.

Para obtener más información, consulte Incremental Learning Overview.

También puede monitorizar de forma progresiva desviaciones en los datos conceptuales, tales como errores de clasificación. En primer lugar, tiene que configurar el detector de desviación usando incrementalConceptDriftDetector. Después de definir una secuencia de datos, puede actualizar el detector de desviación y comprobar las desviaciones usando detectdrift. Para obtener más información, consulte las páginas de referencia.

Funciones

expandir todo

Aprendizaje que toma en cuenta la degradación

Crear un modelo incremental que toma en cuenta la degradación

incrementalDriftAwareLearner Construct drift-aware model for incremental learning

Ajustar y supervisar el rendimiento de forma progresiva

`fit`	Train drift-aware learner for incremental learning with new data
`updateMetrics`	Update performance metrics in incremental drift-aware learning model given new data
`updateMetricsAndFit`	Update performance metrics in incremental drift-aware learning model given new data and train model

Otras operaciones con modelos

`loss`	Regression or classification error of incremental drift-aware learner
`perObservationLoss`	Per observation regression or classification error of incremental drift-aware learner
`predict`	Predict responses for new observations from incremental drift-aware learning model
`reset`	Reset incremental drift-aware learner

Clasificación binaria de kernels

Crear un modelo incremental

`incrementalClassificationKernel`	Binary classification kernel model for incremental learning
`incrementalLearner`	Convert kernel model for binary classification to incremental learner

Ajustar y supervisar el rendimiento de forma progresiva

`fit`	Train kernel model for incremental learning
`updateMetrics`	Update performance metrics in kernel incremental learning model given new data
`updateMetricsAndFit`	Update performance metrics in kernel incremental learning model given new data and train model

Otras operaciones con modelos

`predict`	Predict responses for new observations from kernel incremental learning model
`loss`	Loss of kernel incremental learning model on batch of data
`perObservationLoss`	Per observation classification error of model for incremental learning
`reset`	Reset incremental classification model

Clasificación lineal binaria

Crear un modelo incremental

`incrementalClassificationLinear`	Binary classification linear model for incremental learning
`incrementalLearner`	Convert binary classification support vector machine (SVM) model to incremental learner
`incrementalLearner`	Convert linear model for binary classification to incremental learner

Ajustar y supervisar el rendimiento de forma progresiva

`fit`	Train linear model for incremental learning
`updateMetrics`	Update performance metrics in linear incremental learning model given new data
`updateMetricsAndFit`	Update performance metrics in linear incremental learning model given new data and train model

Otras operaciones con modelos

`predict`	Predict responses for new observations from linear incremental learning model
`loss`	Loss of linear incremental learning model on batch of data
`perObservationLoss`	Per observation classification error of model for incremental learning
`reset`	Reset incremental classification model

Clasificación ECOC multiclase

Crear un modelo incremental

`incrementalClassificationECOC`	Multiclass classification model using binary learners for incremental learning
`incrementalLearner`	Convert multiclass error-correcting output codes (ECOC) model to incremental learner

Ajustar y supervisar el rendimiento de forma progresiva

`fit`	Train ECOC classification model for incremental learning
`updateMetrics`	Update performance metrics in ECOC incremental learning classification model given new data
`updateMetricsAndFit`	Update performance metrics in ECOC incremental learning classification model given new data and train model

Otras operaciones con modelos

`predict`	Predict responses for new observations from ECOC incremental learning classification model
`loss`	Loss of ECOC incremental learning classification model on batch of data
`perObservationLoss`	Per observation classification error of model for incremental learning
`reset`	Reset incremental classification model

Clasificación Naive Bayes

Crear un modelo incremental

`incrementalClassificationNaiveBayes`	Naive Bayes classification model for incremental learning
`incrementalLearner`	Convert naive Bayes classification model to incremental learner

Ajustar y supervisar el rendimiento de forma progresiva

`fit`	Train naive Bayes classification model for incremental learning
`updateMetrics`	Update performance metrics in naive Bayes incremental learning classification model given new data
`updateMetricsAndFit`	Update performance metrics in naive Bayes incremental learning classification model given new data and train model

Otras operaciones con modelos

`predict`	Predict responses for new observations from naive Bayes incremental learning classification model
`loss`	Loss of naive Bayes incremental learning classification model on batch of data
`logp`	Log unconditional probability density of naive Bayes classification model for incremental learning
`perObservationLoss`	Per observation classification error of model for incremental learning
`reset`	Reset incremental classification model

Detección de la degradación del concepto

Crear un detector de degradación del concepto

incrementalConceptDriftDetector Instantiate incremental concept drift detector

Detectar la degradación y restablecer un modelo

`detectdrift`	Update drift detector states and drift status with new data
`reset`	Reset incremental concept drift detector

Objetos

expandir todo

Detectores incrementales de degradación del concepto

`DriftDetectionMethod`	Incremental drift detector that utilizes Drift Detection Method (DDM)
`HoeffdingDriftDetectionMethod`	Incremental concept drift detector that utilizes Hoeffding's Bounds Drift Detection Method (HDDM)

Temas

Incremental Learning Overview
Discover fundamental concepts about incremental learning, including incremental learning objects, functions, and workflows.
Configure Incremental Learning Model
Prepare an incremental learning model for incremental performance evaluation and training on a data stream.
Implement Incremental Learning for Classification Using Succinct Workflow
Use the succinct workflow to implement incremental learning for binary classification with prequential evaluation.
Implement Incremental Learning for Classification Using Flexible Workflow
Use a flexible workflow to implement incremental learning for binary classification with prequential evaluation.
Initialize Incremental Learning Model from Logistic Regression Model Trained in Classification Learner
Train a logistic regression model using the Classification Learner app, and then initialize an incremental model for binary classification using the estimated coefficients.
Perform Conditional Training During Incremental Learning
Use the flexible workflow to implement conditional training during incremental learning with a naive Bayes multiclass classification model.
Perform Text Classification Incrementally
This example shows how to incrementally train a model to classify documents based on word frequencies in the documents; a bag-of-words model.
Incremental Learning with Naive Bayes and Heterogeneous Data
This example shows how to prepare heterogeneous predictor data, containing real-valued and categorical measurements, for incremental learning using a naive Bayes classifier.