Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Nói chung, có hai cách để huấn luyện một mô hình:
Mô hình tĩnh được huấn luyện ngoại tuyến. Điều đó nghĩa là chúng tôi huấn luyện mô hình chính xác một lần, sau đó sử dụng mô hình đã huấn luyện đó trong một thời gian.
Mô hình động được huấn luyện trực tuyến. Điều đó nghĩa là dữ liệu liên tục được nhập vào hệ thống và chúng tôi sẽ kết hợp dữ liệu đó vào mô hình thông qua các bản cập nhật liên tục.
Đào tạo tĩnh so với động
Mô hình hệ thống máy học: Đào tạo
Mô hình tĩnh -- Được đào tạo ngoại tuyến
Mô hình hệ thống máy học: Đào tạo
Mô hình tĩnh -- Được đào tạo ngoại tuyến
Mô hình động -- Được đào tạo trực tuyến
Mô hình hệ thống máy học: Đào tạo
Mô hình tĩnh -- Được đào tạo ngoại tuyến
Dễ dàng tạo và thử nghiệm – sử dụng huấn luyện và kiểm thử hàng loạt, lặp lại cho đến khi tốt.
Mô hình động -- Được đào tạo trực tuyến
Mô hình hệ thống máy học: Đào tạo
Mô hình tĩnh -- Được đào tạo ngoại tuyến
Dễ dàng tạo và thử nghiệm – sử dụng huấn luyện và kiểm thử hàng loạt, lặp lại cho đến khi tốt.
Vẫn yêu cầu theo dõi dữ liệu đầu vào
Mô hình động -- Được đào tạo trực tuyến
Mô hình hệ thống máy học: Đào tạo
Mô hình tĩnh -- Được đào tạo ngoại tuyến
Dễ dàng tạo và thử nghiệm – sử dụng huấn luyện và kiểm thử hàng loạt, lặp lại cho đến khi tốt.
Vẫn yêu cầu theo dõi dữ liệu đầu vào
Dễ để điều này trở nên lỗi thời
Mô hình động -- Được đào tạo trực tuyến
Mô hình hệ thống máy học: Đào tạo
Mô hình tĩnh -- Được đào tạo ngoại tuyến
Dễ dàng tạo và thử nghiệm – sử dụng huấn luyện và kiểm thử hàng loạt, lặp lại cho đến khi tốt.
Vẫn yêu cầu theo dõi dữ liệu đầu vào
Dễ để điều này trở nên lỗi thời
Mô hình động -- Được đào tạo trực tuyến
Tiếp tục cung cấp dữ liệu huấn luyện theo thời gian và thường xuyên đồng bộ hoá phiên bản cập nhật.
Sử dụng tính năng xác thực liên tục thay vì huấn luyện và kiểm thử theo lô.
Mô hình hệ thống máy học: Đào tạo
Mô hình tĩnh -- Được đào tạo ngoại tuyến
Dễ dàng tạo và thử nghiệm – sử dụng huấn luyện và kiểm thử hàng loạt, lặp lại cho đến khi tốt.
Vẫn yêu cầu theo dõi dữ liệu đầu vào
Dễ để điều này trở nên lỗi thời
Mô hình động -- Được đào tạo trực tuyến
Tiếp tục cung cấp dữ liệu huấn luyện theo thời gian và thường xuyên đồng bộ hoá phiên bản cập nhật.
Sử dụng tính năng xác thực liên tục thay vì huấn luyện và kiểm thử theo lô
Cần giám sát, khả năng khôi phục mô hình và cách ly dữ liệu
Sẽ thích ứng với các thay đổi, tránh được các vấn đề về lỗi thời
Tóm tắt bài giảng qua video
Nói chung, các điểm sau đây ảnh hưởng đến quyết định đào tạo tĩnh và động:
Việc tạo và thử nghiệm mô hình tĩnh sẽ dễ dàng hơn.
Mô hình linh động thích ứng với dữ liệu luôn thay đổi.
Thế giới là một nơi có khả năng thay đổi cao. Dự đoán doanh số bán hàng được xây dựng từ
dữ liệu của năm ngoái khó có khả năng dự đoán thành công kết quả của
năm sau.
Nếu tập dữ liệu của bạn thực sự không thay đổi theo thời gian, hãy chọn huấn luyện tĩnh vì việc tạo và duy trì như vậy sẽ rẻ hơn so với huấn luyện động.
Tuy nhiên, nhiều nguồn thông tin thực sự thay đổi theo thời gian, ngay cả những nguồn có các tính năng mà bạn cho là không đổi như mực nước biển.
Nguyên tắc: ngay cả khi huấn luyện tĩnh, bạn vẫn phải theo dõi dữ liệu đầu vào để thay đổi.
Ví dụ: hãy xem xét một mô hình được huấn luyện để dự đoán xác suất người dùng sẽ mua hoa. Do áp lực về thời gian, nên mô hình chỉ được huấn luyện một lần bằng cách sử dụng tập dữ liệu về hành vi mua hoa trong tháng 7 và tháng 8.
Sau đó, mô hình được chuyển đi để phân phát các thông tin dự đoán trong môi trường thực tế, nhưng không bao giờ được cập nhật. Mô hình này hoạt động hiệu quả trong vài tháng, nhưng sau đó đưa ra các dự đoán rất tệ vào khoảng Ngày lễ tình nhân vì hành vi của người dùng trong khoảng thời gian dịp lễ đó thay đổi đáng kể.
