[問題] 機器學習 re-training

[ctr1 (【積π】)]

想請問當機器學習演算法

上線正式使用後

使用了一陣子後多了些資料

預測錯誤的資料

想要進行re-train的動作

1.使用原本的model直接fit新資料

2.將所有的資料合併後，再對全部資料重新fit一個新model

這兩種是否有不同的用途抑或是都用哪一種居多呢

謝謝前輩指點


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.161.210.148 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1629559220.A.596.html
推 KuChanTung: online learning
推 ddavid: 如果能預料會持續有資料進來，或者資料分佈會隨時間有變動
→ ddavid: ，一開始就會採取具備incremental learning性質的方法了
→ ddavid: 其實現在很多ANN相關的方式都可以做到
推 hsuchengmath: 主要要看你要預測什麼，預測的目標有時效性，那全
→ hsuchengmath: 部的資料拿去retrain可能不是好辦法，至於使否有時
→ hsuchengmath: 效性，可能要做一些資料分析才能知道