机器学习-不断发展的智能

Question

对构建涵盖这些方面的ML模型的概念和步骤有所了解-

1. 了解问题并将其分类为-受监督或 无监督，回归或分类或聚类等。

2. 功能设计，即要考虑的功能/输入参数

3. 将数据拆分为训练集和测试集。 （交叉验证是 这里的另一个重要概念。）

4. 比较各种模型（例如KNN，SVM，Random Forest等），并了解哪种方法比较好。基本上，交叉验证分数并了解预测功能。

疑问：：

如何将更新的数据馈送到ML以保持其更新和更好的预测？

Answer 1

1. 无需最终确定，一旦获得新数据，就可以使用所有相关数据重新训练模型，或更新模型（例如，用于线性回归的另一次梯度下降迭代）。

   < / li>

2. 如果是相关数据，即来自同一分布的数据，则不应“破坏”模型。

3. 这与＃1本质上是相同的问题。具体取决于模型。有些模型只需要重新训练所有相关数据即可。您可以使用新数据进行更新的某些模型。