機器學習的其他分類： 在線學習(online learining)和批量學習（離線學習 batch learning/offline learning）： 批量學習(之前沒有具體說明的話，都可以用批量學習來進行機器學習):收集資料，扔給算法，生成模型使用，之后再給樣例就不會再進行對算法的優化優點：簡單

問題：如何適應環境的變化？解決方案：定時重新批量學習 缺點：每次重新批量學習，運算量巨大。在某些環境變化非常快的情況下，甚至不可能


在線學習：

優點：及時反映新的環境變化
問題:新的數據帶來不好的變化？(獲得的數據可能不是正常的數據) 解決方案:需要加強對數據進行監控(應用非監督學習進行異常檢測)
其他：也適用于數據量巨大，完全無法批量學習的環境

參數學習和非參數學習：
參數學習:一旦學到了參數，就不再需要原有的數據集 ，數據的作用是算出參數。
?

非參數學習:不對模型進行過多假設(即不像參數學習一樣假設出一個線性的函數來預測結果)
注:非參數不等于沒參數！(只是不對整個問題進行建模，不把整個問題是理解為學習一些參數，但是學習過程中依然是需要一些參數參與)

總結

以上是生活随笔為你收集整理的[云炬python3玩转机器学习笔记] 2-4批量学习、咋西安学习、参数学习和非参数学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。