La mayoría de los algoritmos se pueden adaptar para ponerlos en línea, aunque las implementaciones estándar no lo admitan. Por ejemplo, tanto los árboles de decisión como las máquinas de vectores de soporte tienen variaciones en línea (por ejemplo: http://en.wikipedia.org/wiki/Inc… y http://citeseerx.ist.psu.edu/vie…).
Sin embargo, los algoritmos para los que las implementaciones naturales admiten el aprendizaje en línea son:
- Vecino más cercano: simplemente agrega una nueva instancia al conjunto y, a partir de ese momento, está disponible para coincidir como vecino más cercano. Tenga en cuenta que cualquier optimización para acelerar la búsqueda (p. Ej., Árbol kd) también debe ser compatible con la actualización dinámica.
- Bayes ingenuos: siempre que almacene los recuentos (n de m) en lugar de las probabilidades calculadas (n / m), Bayes ingenuos también está en línea.
- ¿Por qué es tan fácil el aprendizaje profundo?
- ¿Qué conocimiento se requiere para usar bibliotecas de aprendizaje automático pero no implementarlas?
- ¿Cuánto tiempo hasta que tengamos aviones autónomos, particularmente aviones de carga grandes y aviones de pasajeros?
- Cómo usar un árbol de decisión para construir datos sintéticamente
- ¿Qué es el aprendizaje automático en tiempo real?