반응형
머신러닝을 분류하는데 사용하는 다른 기준 : 데이터의 스트림으로부터 점진적으로 학습할 수 있는 지 여부
배치학습(Batch learning)
- 점진적 학습 불가
- 가용한 데이터 모두 활용
- 시간과 자원 소모 많음 -> 오프라인 진행
- 제한된 데이터
- 새로운 데이터 학습하려면 맨처음부터 다시 해야 함
- 돈과 자원이 많이 소모됨 -> 큰 데이터는 사용하기 어려움
온라인 학습
- 점진적 학습 가능
- 연속적으로 데이터 공급 -> 주가처럼 변화가 많은 데이터
- 데이터 양이 너무 많을 경우
- out of core 학습을 사용
- 부분적으로 데이터를 가져와서 점차적으로 학습
- 오프라인으로 진행됨
- learning rate
- learning rate = 1/inertia
- 관성이 높아지면 새로운 데이터에 대한 감흥이 적어짐.
- 나쁜 데이터가 들어오면 퍼포먼스가 떨어짐
- 센서고장, 검색엔진 스팸 등
- 모니터링해서 다시 제대로 작동하던 버전으로 되돌리는 등으로 해결
- anomaly detection 알고리즘 사용
반응형
'Mathematics > Machine Learning' 카테고리의 다른 글
머신러닝 결과를 나쁘게 하는 것 (0) | 2022.01.17 |
---|---|
사례기반 vs 모델 기반 머신러닝 (0) | 2022.01.17 |
머신러닝의 종류(2) - 비지도학습 (0) | 2022.01.16 |
머신러닝의 종류(1) - 지도학습 (0) | 2022.01.16 |
머신러닝이란? 머신러닝 장점 (0) | 2022.01.16 |