“批量处理”是指一次性处理事实（如CSV中）的静态数据集以提取知识。在“在线”时，它使用实时支持商店：事件在发生时添加（“X购买Y”）并在此实时数据上发生查询（“您会向一个人推荐什么？现在看着你？“）。
我（错误）使用了实时这个词，但我不意味着结果必须在固定的时间内。 （'''编辑：用在线上方实时替换'''）
我想到了一个使用实时数据的推荐引擎。但是，我遇到的所有在线资源（例如SO问题）都会在实时和批量处理数据挖掘包之间进行无区别。我不得不单独搜索：
什么是在线数据挖掘软件包？
文献是否有理由不区分在线和批量处理包？或者所有实际数据挖掘本质上都是批量操作？
答案 0 :(得分：2)
对于某些算法，可以使用在线版本。例如，对于本地离群因子LOF，存在在线变体。我相信也有k-means的在线变体（事实上，原始的MacQueen版本可以被视为“在线”，虽然大多数人通过重复它直到收敛将其变成离线版本），但是请看下面的问题使用k参数。
然而，在线操作通常会带来显着的性能成本。直到每小时在快照显示上运行完整算法的速度更快，而不是不断更新结果。想想互联网搜索引擎。大多数大型搜索引擎仍然不允许“在线”查询，而是查询最后建立的索引，可能是一天或更久以前。
另外，在线操作需要大量的额外工作。计算距离矩阵很容易，通过添加和删除列以及同步所有相关结果来在线更新它更加困难。通常，大多数数据挖掘结果太复杂而无法执行此操作。例如，计算数据流的平均值很容易。但是'''通常没有已知的解决方案来更新结果而不重新运行 - 昂贵的 - 过程'''。在其他情况下，您甚至需要更改算法参数。因此，在某些时候，可能会形成一个新的集群。然而，k-means并不意味着出现新的集群。基本上，你不能只写一个k-means的在线版本。它将是一个不同的算法，因为它需要动态修改输入参数“k”。
通常，算法已经在线或离线。并且软件包将无法将离线算法转换为在线算法。
答案 1 :(得分：-1)
在线数据挖掘算法意味着他们实时计算结果，并且通常意味着算法是递增的。也就是说，每次看到新的训练实例时都会更新模型，并且不需要使用批处理算法进行定期重新训练。许多机器学习库，如Weka，提供了批处理算法的增量版本。同时检查moa项目和spark streaming。文献确实区分了两者，尽管大多数传统的＆＃34;没有基础设施和计算优化，ML算法不能在在线模式下工作。