本文探讨了在线学习方法adapt()与批量学习方法train()的区别。前者适用于数据随时间变化的情况，能实时更新模型；后者则假定所有训练数据一次性可用，并在训练完成后保持不变。此外，文中还讨论了两种方法在不同样本集上的表现差异。
train()就是batch-trained method, 而adapt()是针对序列样本, 比如两个样本集{1,2,3,4,55}
和{1,2,55,3,4},用train()训练结果应该是相似的, 但用adapt()训练结果却又较大差异, 因为adapt()认为样本分布会随着时间而变化,
另外adapt()没有所谓的训练完成, 它在的预测和训练过程是同步的, 即adapt()是一个online learning版本
和{1,2,55,3,4},用train()训练结果应该是相似的, 但用adapt()训练结果却又较大差异, 因为adapt()认为样本分布会随着时间而变化,
另外adapt()没有所谓的训练完成, 它在的预测和训练过程是同步的, 即adapt()是一个online learning版本
扫一扫
424
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
