El aprendizaje incremental, o aprendizaje online, 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 aprendiz 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.