Aprendizaje incremental
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
Objetos
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.