-
online learning
Online Learning的优化目标是整体的损失函数最小化。
传统的训练方法,模型上线后,更新的周期会比较长(一般是一天,效率高的时候为一小时),这种模型上线后,一般是静态的(一段时间内不会改变),不会与线上的状况有任何互动,假设预测错了,只能在下一次更新的时候完成更正。Online Learning训练方法不同,会根据线上预测的结果动态调整模型。如果模型预测错误,会及时做出修正。因此,Online Learning能够更加及时地反映线上变化。
Online Learning的流程包括:
- 将模型预测结果展现给用户;
- 然后收集用户的反馈数据;
- 再来训练模型;
- 形成闭环的系统。
-
实现方式
-
Bayesian Online Learning
贝叶斯方法能够比较自然地导出Online Learning的训练方法:给定参数先验,根据反馈计算后验,将其作为下一次预测的先验,然后再根据反馈计算后验
-
Follow The Regularized Leader
-
Reference
理解Online Learning
猜你喜欢
转载自blog.csdn.net/The_Time_Runner/article/details/105499477
今日推荐
周排行