Master
Published: Apr 13, 2021
Apr 2021
Avalie?

No centro de muitas abordagens de aprendizado de máquina está a criação de um modelo a partir de um conjunto de dados de treinamento. Depois que um modelo é criado, ele pode ser usado repetidamente. No entanto, o mundo não é estático e, muitas vezes, o modelo precisa ser alterado conforme novos dados se tornam disponíveis. A simples reexecução da etapa de criação do modelo pode ser lenta e cara. O aprendizado incremental resolve esse problema, tornando possível aprender a partir de fluxos de dados de forma incremental para reagir às mudanças com mais rapidez. Como bônus, os requisitos de computação e memória são menores e previsíveis. Em nossas implementações, tivemos uma boa experiência com o framework River, mas até o momento adicionamos verificações, às vezes manuais, após atualizações no modelo.