在线学习--online learning
2024-08-25 11:06:16
在线学习 online learning
Online learning并不是一种模型，而是模型的训练方法。能够根据线上反馈数据，实时快速的进行模型调优，使得模型能够及时反映线上的变化，提高线上预测的准确率。
在线模型的评估之--Mistake Bound
假设有一个模型完全预测正确，Mistake Bound表示的就是找到这个模型最多犯错的次数。
用Halving算法来解决这个问题，算法步骤如下：
所以犯错次数小于等于对模型集合数量求以2为底的对数。
在线模型的评估之--Regret 后悔度
Regret的求解举例
Regret练习：
在线学习模型的有效必要条件就是
Online Learning训练过程也需要优化一个目标函数（红框标注的），但是和其他的训练方法不同， Online Learning要求快速求出目标函数的最优解，最好是能有解析解。
在线学习流程：
Learning的流程包括：将模型的预测结果展现给用户，然后收集用户的反馈数据，再用来训练模型，形成闭环的系统。
在线学习模型之FTRL--Follow The Regularized Leader
算法基本思想：
在这里最后一步更新w的时候需要找到使得损失函数之和最小的w，在线学习是速度需要很快，但是一般这个损失函数不是很快可以求解的，需要找到一个代理的损失函数，使得损失函数可以快速求解。代理损失函数需要满足几个要求：
1.代理损失函数比较容易求解，最好是有解析解
2.Regret满足
最新文章
- scikit-learn包的学习资料
- 关于TortoiseGit使用的心得
- thinkphp新增
- 迭代器（Iterator）模式
- 【Linux常用工具】02. 创建启动定时任务工具cron
- Apache Tomcat 7.0 Manager APP
- python3 正则表达式点星问号(.*?)能不能匹配换行符？不能的话应该怎么写
- siimpleHttpServer 快速建立一个文件服务器
- FFmpeg configure: rename cuda to ffnvcodec 2018-03-06
- WPF 通过线程使用ProcessBar
- Eclipse启动时出现错误 An internal error occurred during: "Updating indexes"
- java多线程快速入门（五）
- 自动出借-python+selenium
- optimizer（代码分析）
- 快速导出云服务器mysql的表数据
- Web大前端面试题-Day3
- 009-hostname与/etc/hosts区别
- 剑指offer五十八之对称的二叉树
- Oracle案例12——NBU Oracle恢复
- go 网络请求篇