24、在线学习与推荐系统技术解析

在线学习与推荐系统技术解析

1. 在线学习相关内容

1.1 在线异常检测

在线异常检测是识别与大多数数据有显著差异的稀有项目、事件或观测值的有用工具。异常项目通常意味着存在某些问题，例如异常的银行交易往往由银行欺诈引发，网络流量的意外突发则可能是由网络入侵行为导致。

1.2 在线学习练习题

以下是一系列关于在线学习的练习题，涵盖概念判断、算法应用等多个方面：
1. 判断在线学习相关陈述的正误
- 问题 6.1 ：判断关于在线学习的哪些陈述是正确的。
- (a) 在线学习的一个缺点是需要大量的计算机内存或磁盘空间来存储所有见过的训练示例。
- (b) 在线学习的一个优点是，如果我们建模的函数随时间变化（例如，我们建模用户点击不同 URL 的概率，而用户的品味或偏好随时间变化），在线学习算法将自动适应这些变化。
- (c) 在线学习的一个优点是不需要选择学习率 α。
- (d) 使用在线学习时，在每一步，我们获取一个新示例 (x, y)，对该示例执行一步（本质上是随机梯度下降）学习，然后丢弃该示例并继续处理下一个。
- 问题 6.2 ：判断关于在线学习的哪些陈述是错误的。
- (a) 当我们有一个固定大小为 m 的训练集要进行训练时，在线学习算法是最合适的。
- (b) 使用在线学习时，必须保存每个新的训练示例，因为即使在未来获得新的训练示例后，也需要重用过去的示例来重新训练模型。
- (c) 在线学习算法通常最适合我们有连续不断的数据流需要学习