- 主题:机器学习若把离线学习，改为在线实时自动学习，需要哪些修改？
比如之前只是离线的，给一些训练数据优化模型，现在把模型部署到生产环境后，要改为自动在线实时学习？
--
FROM 112.65.12.*
加个爬虫？
--
FROM 114.254.0.*
Online learning ，自己搜搜就知道了。技术不复杂
【 在 wakaka1122 的大作中提到: 】
: 比如之前只是离线的，给一些训练数据优化模型，现在把模型部署到生产环境后，要改为自动在线实时学习？
--
FROM 39.144.105.*
新数据用来训练新模型的时序关系？
【 在 wakaka1122 的大作中提到: 】
: 比如之前只是离线的，给一些训练数据优化模型，现在把模型部署到生产环境后，要改为自动在线实时学习？
--
FROM 114.253.247.*
请问例如 Online learning可以结合K-means吗？
【 在 Xjt 的大作中提到: 】
: Online learning ，自己搜搜就知道了。技术不复杂
--
FROM 112.65.12.*
有个算法叫 Online K-means
【 在 wakaka1122 的大作中提到: 】
: 请问例如 Online learning可以结合K-means吗？
:
--
FROM 39.144.45.*
大神，RNN可以结合Online learning吗？
【 在 Xjt 的大作中提到: 】
: 有个算法叫 Online K-means
: :
--
FROM 112.65.12.*
是新来一批数据再重新训练模型参数呢，还是新来的数据仅仅做个处理，不改变模型？
【 在 Xjt 的大作中提到: 】
: 有个算法叫 Online K-means
: :
--
FROM 114.253.247.*
我不是专门搞模型的，但是以前做过在线数据处理，想来这时序逻辑是相通的。
这中间关键是解决数据来源问题，在获得一批数据的间隙，看到底是实现模型的再训练，还是仅仅做推理工作。
以前我们是要在采样数据间隙，挨个进行滤波；然后在一批数据完整到来之后，再统一算法处理。
因此我想，可能改动不在于模型本身，而在于数据到模型的接口时序上。
【 在 wakaka1122 的大作中提到: 】
: 比如之前只是离线的，给一些训练数据优化模型，现在把模型部署到生产环境后，要改为自动在线实时学习？
--
FROM 114.253.247.*
改变模型参数，本质就是随着新来的数据的波动，不断一点点稍微改变模型参数
【 在 masterlv 的大作中提到: 】
: 是新来一批数据再重新训练模型参数呢，还是新来的数据仅仅做个处理，不改变模型？
--
FROM 39.144.45.*