เหตุผลในการไล่สีออนไลน์นั้นมีประโยชน์สำหรับการใช้งานเครื่องชั่งขนาดใหญ่ ไม่ว่าในกรณีใดขณะนี้มีไลบรารีที่ใช้มันดังนั้นคุณไม่จำเป็นต้องตั้งโปรแกรม มันเป็นวิธีที่ดีในการเรียนรู้วิธีการทำงานของสิ่งต่าง ๆ
การเรียนรู้ของเครื่องขนาดใหญ่ได้รับการติดต่อครั้งแรกว่าเป็นปัญหาทางวิศวกรรม ตัวอย่างเช่นเพื่อยกระดับชุดฝึกอบรมที่มีขนาดใหญ่ขึ้นเราสามารถใช้คอมพิวเตอร์แบบขนานเพื่อเรียกใช้อัลกอริทึมการเรียนรู้ของเครื่องที่รู้จักหรือปรับวิธีการเชิงตัวเลขขั้นสูงขึ้น วิธีการดังกล่าวขึ้นอยู่กับข้อสันนิษฐานที่น่าสนใจซึ่งสามารถแยกแยะด้านสถิติจากแง่มุมการคำนวณของปัญหาการเรียนรู้ของเครื่อง
งานนี้แสดงให้เห็นว่าสมมติฐานนี้ไม่ถูกต้องและการเลิกใช้จะนำไปสู่อัลกอริทึมการเรียนรู้ที่มีประสิทธิภาพมากขึ้น กรอบทฤษฎีใหม่คำนึงถึงผลกระทบของการเพิ่มประสิทธิภาพโดยประมาณในอัลกอริทึมการเรียนรู้
การวิเคราะห์แสดงการแลกเปลี่ยนที่แตกต่างกันสำหรับกรณีของปัญหาการเรียนรู้ขนาดเล็กและขนาดใหญ่ ปัญหาการเรียนรู้ขนาดเล็กอาจมีการประมาณ - การแลกเปลี่ยนโดยประมาณปกติ ปัญหาการเรียนรู้ขนาดใหญ่อยู่ภายใต้การแลกเปลี่ยนที่แตกต่างเชิงคุณภาพที่เกี่ยวข้องกับความซับซ้อนในการคำนวณของอัลกอริธึมการเพิ่มประสิทธิภาพพื้นฐานในรูปแบบที่ไม่สำคัญ ตัวอย่างเช่นอัลกอริธึมการไล่ระดับสีแบบสุ่ม Stochastic (SGD) ดูเหมือนจะเป็นอัลกอริธึมการเพิ่มประสิทธิภาพปานกลางและยังแสดงให้เห็นว่าทำงานได้ดีมากในปัญหาการเรียนรู้ขนาดใหญ่