这里是按算法分类，可分为：

  • 批量学习
  • 在线学习
  • 参数学习
  • 非参数学习

批量学习

优点：简单
缺点：每次重新学习，运算量巨大
问题：如何适应环境变化（定时重新批量学习）

在线学习

适用：数据更新频繁、数据量巨大(无法批量学习的环境)
定义：得出的模型用最新的数据继续更新
优点：及时反映新的环境变化
缺点：每次重新学习，运算量巨大
问题：新的数据带来不好的变化(需要加强对数据的健康)

参数学习

一旦学习到了参数，数据就没用了。
image.png

非参数学习

非参数不等于没有参数
不对模型进行过多假设