การเรียนรู้แบบออฟไลน์และออนไลน์แตกต่างกันอย่างไร มันเป็นเพียงเรื่องของการเรียนรู้มากกว่าชุดข้อมูลทั้งหมด (ออฟไลน์) กับการเรียนรู้ที่เพิ่มขึ้น (ครั้งละหนึ่งตัวอย่าง)? ตัวอย่างของอัลกอริทึมที่ใช้ในทั้งสองคืออะไร
การเรียนรู้แบบออฟไลน์และออนไลน์แตกต่างกันอย่างไร มันเป็นเพียงเรื่องของการเรียนรู้มากกว่าชุดข้อมูลทั้งหมด (ออฟไลน์) กับการเรียนรู้ที่เพิ่มขึ้น (ครั้งละหนึ่งตัวอย่าง)? ตัวอย่างของอัลกอริทึมที่ใช้ในทั้งสองคืออะไร
คำตอบ:
การเรียนรู้ออนไลน์หมายความว่าคุณกำลังทำอยู่ขณะที่ข้อมูลเข้ามาออฟไลน์หมายความว่าคุณมีชุดข้อมูลแบบคงที่
ดังนั้นสำหรับการเรียนรู้ออนไลน์คุณ (โดยทั่วไป) มีข้อมูลมากขึ้น แต่คุณมีข้อ จำกัด ด้านเวลา ริ้วรอยอื่นที่อาจส่งผลต่อการเรียนรู้ออนไลน์คือแนวคิดของคุณอาจเปลี่ยนแปลงไปตามกาลเวลา
สมมติว่าคุณต้องการสร้างตัวจําแนกเพื่อรับรู้สแปม คุณสามารถรับอีเมลจำนวนมากติดป้ายกำกับและอบรมตัวจําแนก นี่จะเป็นการเรียนรู้แบบออฟไลน์ หรือคุณสามารถใช้อีเมลทั้งหมดที่เข้ามาในระบบของคุณและอัปเดตตัวจําแนกของคุณอย่างต่อเนื่อง นี่จะเป็นการเรียนรู้ออนไลน์
คำว่า "ออนไลน์" ล้นมือและทำให้เกิดความสับสนในโดเมนของการเรียนรู้ของเครื่อง
ตรงกันข้ามกับ "ออนไลน์" คือการเรียนรู้แบบกลุ่ม ในการเรียนรู้แบบแบตช์อัลกอริทึมการเรียนรู้จะอัพเดตพารามิเตอร์หลังจากใช้งานทั้งชุดในขณะที่การเรียนรู้ออนไลน์อัลกอริทึมจะอัปเดตพารามิเตอร์หลังจากเรียนรู้จาก 1 อินสแตนซ์การฝึกอบรม การเรียนรู้แบบย่อส่วนเป็นจุดกึ่งกลางระหว่างการเรียนรู้แบบแบ็ตช์ที่ปลายด้านหนึ่งและการเรียนรู้ออนไลน์ในอีกด้านหนึ่ง
นอกจากนี้ "เมื่อ" ข้อมูลเข้ามาหรือไม่ว่าจะสามารถจัดเก็บหรือไม่นั้นเป็นมุมฉากกับการเรียนรู้ออนไลน์หรือการเรียนรู้แบบกลุ่ม
การเรียนรู้ออนไลน์นั้นจะช้ากว่าเมื่อเทียบกับการเรียนรู้แบบแบตช์ อย่างไรก็ตามในกรณีที่ชุดข้อมูลทั้งหมดไม่พอดีกับหน่วยความจำการใช้การเรียนรู้ออนไลน์เป็นข้อเสียที่ยอมรับได้
การเรียนรู้ออนไลน์ (เรียกอีกอย่างหนึ่งว่าการเรียนรู้แบบเพิ่มหน่วย ): เราพิจารณาการนำเสนอตัวอย่างเพียงครั้งเดียว ในกรณีนี้แต่ละตัวอย่างจะถูกใช้อย่างต่อเนื่องในลักษณะที่กำหนดโดยอัลกอริทึมการเรียนรู้แล้วโยนทิ้งไป การเปลี่ยนแปลงน้ำหนักที่ทำในขั้นตอนที่กำหนดขึ้นอยู่เฉพาะเพียงใน (ปัจจุบัน) ตัวอย่างที่ถูกนำเสนอและอาจจะเกี่ยวกับสถานะปัจจุบันของรูปแบบ มันเป็นขั้นตอนตามธรรมชาติสำหรับกฎการเปลี่ยนแปลงเวลาที่ตัวอย่างอาจไม่สามารถใช้ได้ในคราวเดียว
การเรียนรู้แบบออฟไลน์ : การเปลี่ยนแปลงน้ำหนักขึ้นอยู่กับชุดข้อมูลทั้งหมด (การฝึกอบรม) การกำหนดฟังก์ชั่นค่าใช้จ่ายทั่วโลก ตัวอย่างจะถูกใช้ซ้ำ ๆ จนกว่าจะลดฟังก์ชั่นค่าใช้จ่ายนี้ให้น้อยที่สุด