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.

Bloques

IncrementalRegressionLinear PredictPredict responses using incremental linear regression model (desde R2023b)
IncrementalRegressionLinear FitFit incremental linear regression model (desde R2023b)
Update MetricsUpdate performance metrics in incremental learning model given new data (desde R2023b)

Funciones

expandir todo

Crear un modelo incremental que toma en cuenta la degradación

incrementalDriftAwareLearnerConstruct drift-aware model for incremental learning (desde R2022b)

Ajustar y supervisar el rendimiento de forma progresiva

fitTrain drift-aware learner for incremental learning with new data (desde R2022b)
updateMetricsUpdate performance metrics in incremental drift-aware learning model given new data (desde R2022b)
updateMetricsAndFitUpdate performance metrics in incremental drift-aware learning model given new data and train model (desde R2022b)

Otras operaciones con modelos

lossRegression or classification error of incremental drift-aware learner (desde R2022b)
perObservationLossPer observation regression or classification error of incremental drift-aware learner (desde R2022b)
predictPredict responses for new observations from incremental drift-aware learning model (desde R2022b)
resetReset incremental drift-aware learner (desde R2022b)

Crear un modelo incremental

incrementalRegressionKernelKernel regression model for incremental learning (desde R2022a)
incrementalLearnerConvert kernel regression model to incremental learner (desde R2022a)

Ajustar y supervisar el rendimiento de forma progresiva

fitTrain kernel model for incremental learning (desde R2022a)
updateMetricsUpdate performance metrics in kernel incremental learning model given new data (desde R2022a)
updateMetricsAndFitUpdate performance metrics in kernel incremental learning model given new data and train model (desde R2022a)

Otras operaciones con modelos

predictPredict responses for new observations from kernel incremental learning model (desde R2022a)
lossLoss of kernel incremental learning model on batch of data (desde R2022a)
perObservationLossPer observation regression error of model for incremental learning (desde R2022a)
resetReset incremental regression model (desde R2022a)

Crear un modelo incremental

incrementalRegressionLinearLinear regression model for incremental learning (desde R2020b)
incrementalLearnerConvert support vector machine (SVM) regression model to incremental learner (desde R2020b)
incrementalLearnerConvert linear regression model to incremental learner (desde R2020b)

Ajustar y supervisar el rendimiento de forma progresiva

fitTrain linear model for incremental learning (desde R2020b)
updateMetricsUpdate performance metrics in linear incremental learning model given new data (desde R2020b)
updateMetricsAndFitUpdate performance metrics in linear incremental learning model given new data and train model (desde R2020b)

Otras operaciones con modelos

predictPredict responses for new observations from linear incremental learning model (desde R2020b)
lossLoss of linear incremental learning model on batch of data (desde R2020b)
perObservationLossPer observation regression error of model for incremental learning (desde R2022a)
resetReset incremental regression model (desde R2022a)

Crear un detector de degradación del concepto

incrementalConceptDriftDetectorInstantiate incremental concept drift detector (desde R2022a)

Detectar la degradación y restablecer un modelo

detectdriftUpdate drift detector states and drift status with new data (desde R2022a)
resetReset incremental concept drift detector (desde R2022a)

Objetos

expandir todo

DriftDetectionMethodIncremental drift detector that utilizes Drift Detection Method (DDM) (desde R2022a)
HoeffdingDriftDetectionMethodIncremental concept drift detector that utilizes Hoeffding's Bounds Drift Detection Method (HDDM) (desde R2022a)

Temas