【知识点】增量学习、在线学习、离线学习的区别

• 参考链接：https://www.6aiq.com/article/1613258706447?p=1&m=0

离线学习

        常见的学习方式，一次性将所有数据参与进训练。

1. 离线学习完成了目标函数的优化将不会在改变了
2. 离线学习需要一次提供整个训练集
3. 时间和空间成本效率低
4. 发生数据变更或模型漂移需要从头开始训练
5. 离线学习模型稳定性高，方便做模型的验证评估

在线学习

        在线学习，能够根据线上反馈数据，实时快速地进行模型调整，使得模型及时反映线上的变化，提高线上预测的准确率。将模型的预测结果展现给用户，然后收集用户的反馈数据，再用来训练模型，形成闭环。

1. 在线学习一种模型的训练方法，在这种方法中，数据按顺序可用，并用于在每一步更新未来数据的最佳预测值。
2. 在线学习的数据效率高，适应性强。在线学习是数据高效的，因为一旦数据被消耗，就不再需要它了。
3. 从技术上讲，这意味着您不必存储数据。在线学习是可以适应的，因为它没有假设你的数据的分布。当您的数据分布发生改变或漂移时，由于客户行为的变化，模型可以动态调整以实时跟上趋势。
4. Flink的流批一体，为了做一些类似的离线学习，你必须创建一个滑动窗口的数据和重训一次。

增量学习

        增量学习是机器学习的一种方法，在其中，输入数据不断被用于扩展现有模型的知识，即进一步训练模型，它代表了一种动态的学习的技术。

1. 可以学习新的信息中的有用信息
2. 不需要访问已经用于训练分类器的原始数据
3. 对已经学习的知识具有记忆功能
4. 在面对新数据中包含的新类别时，可以有效地进行处理