Main Content

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 lineal para regresión 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, incrementalRegressionLinear, 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 lotes 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 la desviación en los datos conceptuales, como la pérdida de regresión. 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

Modelo de regresión kernel

incrementalLearnerConvert kernel regression model to incremental learner

Modelo de regresión lineal

incrementalLearnerConvert support vector machine (SVM) regression model to incremental learner
incrementalLearnerConvert linear regression model to incremental learner

Modelo de regresión kernel

fitTrain kernel model for incremental learning
updateMetricsUpdate performance metrics in kernel incremental learning model given new data
updateMetricsAndFitUpdate performance metrics in kernel incremental learning model given new data and train model

Modelo de regresión lineal

fitTrain linear model for incremental learning
updateMetricsUpdate performance metrics in linear incremental learning model given new data
updateMetricsAndFitUpdate performance metrics in linear incremental learning model given new data and train model

Modelo de regresión kernel

predictPredict responses for new observations from kernel incremental learning model
lossLoss of kernel incremental learning model on batch of data
perObservationLossPer observation regression error of model for incremental learning
resetReset incremental regression model

Modelo de regresión lineal

predictPredict responses for new observations from linear incremental learning model
lossLoss of linear incremental learning model on batch of data
perObservationLossPer observation regression error of model for incremental learning
resetReset incremental regression model
incrementalConceptDriftDetectorInstantiate incremental concept drift detector
detectdriftUpdate drift detector states and drift status with new data
resetReset incremental concept drift detector

Objetos

expandir todo

incrementalRegressionKernelKernel regression model for incremental learning
incrementalRegressionLinearLinear regression model for incremental learning
DriftDetectionMethodIncremental drift detector that utilizes Drift Detection Method (DDM)
HoeffdingDriftDetectionMethodIncremental concept drift detector that utilizes Hoeffding's Bounds Drift Detection Method (HDDM)

Temas