iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 20
0
Google Developers Machine Learning

Machine Learning(by Google)系列 第 20

【Day20】3rd:靜態與動態訓練(Static vs. Dynamic Training)

文章:Static vs. Dynamic Training


進行模型訓練方式依據資料是否會變動,將分成兩種方式:靜態(static)和動態(dynamic)。

  • 靜態(Static Model):

優點:
基於資料不會變動,所以可以在事先設定好參數,接著再進行測試。有簡易、方便製作與訓練的特色,也可進行多次迭代以調整好,也更很容易算出適當的公式。而且少量監控,不用太多人力花費。

缺點:
資料過期是不可避免的,因為靜態訓練不會更新數據,因此當有新的數據產出,這個訓練好的模型可能就不能適用。

使用場景:
適合不會變動的資料,或是要求快速、低消耗的條件下使用。像「新的口味或餐點推出後,會對顧客有什麼影響」之題目就不適合。反而節日與花店銷售的關係,這就是和靜態消費,因為變動的資料不因為情人節分成今年或是明年有所變化。

  • 動態(Dynamic Model):

優點:
持續給予資料,讓資料隨著時間進展更新,這樣模組訓練的時候,不但可以追古,也可以知今。這樣的話可以隨時調整參數,隨時與現實世界的資料接軌。

缺點:
需要適時的調整數據參數,並且監控資料是都正常。因此需要大量的心力需要值行維運。而且建置的成本與資料都很高,需要一番心力

使用場景:
適合講求時間性的東西。像是颱風方向預測,如果假設什麼東西都不會變化,因此颱風路徑有最佳解的是不可能的,所以要隨著時間變化,提供各種資料後進行調整。這樣的天氣就是需要時時刻刻調整的,所以適合用動態訓練。


上一篇
【Day19】3rd:Google機器學習環境
下一篇
【Day21】3rd:靜態推理vs動態推理
系列文
Machine Learning(by Google)30

尚未有邦友留言

立即登入留言