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 de clasificación 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, 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

expandir todo

Modelo de clasificación binaria de kernel

incrementalLearnerConvert kernel model for binary classification to incremental learner

Modelo de clasificación lineal binaria

incrementalLearnerConvert binary classification support vector machine (SVM) model to incremental learner
incrementalLearnerConvert linear model for binary classification to incremental learner

Modelo de clasificación ECOC multiclase

incrementalLearnerConvert multiclass error-correcting output codes (ECOC) model to incremental learner

Modelo Naive Bayes

incrementalLearnerConvert naive Bayes classification model to incremental learner

Modelo de clasificación binaria de 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 clasificación lineal binaria

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 clasificación ECOC multiclase

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

Modelo Naive Bayes

fitTrain naive Bayes classification model for incremental learning
updateMetricsUpdate performance metrics in naive Bayes incremental learning classification model given new data
updateMetricsAndFitUpdate performance metrics in naive Bayes incremental learning classification model given new data and train model

Modelo de clasificación binaria de kernel

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

Modelo de clasificación lineal binaria

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

Modelo de clasificación ECOC multiclase

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

Modelo Naive Bayes

predictPredict responses for new observations from naive Bayes incremental learning classification model
lossLoss of naive Bayes incremental learning classification model on batch of data
logpLog unconditional probability density of naive Bayes classification model for incremental learning
perObservationLossPer observation classification error of model for incremental learning
resetReset incremental classification model
incrementalConceptDriftDetectorInstantiate incremental concept drift detector
detectdriftUpdate drift detector states and drift status with new data
resetReset incremental concept drift detector

Objetos

expandir todo

incrementalClassificationKernel Binary classification kernel model for incremental learning
incrementalClassificationLinearBinary classification linear model for incremental learning
incrementalClassificationECOC Multiclass classification model using binary learners for incremental learning
incrementalClassificationNaiveBayesNaive Bayes classification 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