Online-Lernen / Lernen auf Datenströmen

Das Online-Lernen ist eine Trainingsmethode zur Modellentwicklung, bei der ein Modell über das Internet und basierend auf Datenströmen in Echtzeit trainiert wird.

Bei diesem Lernverfahren wird ein Modell ständig online aktualisiert. Dadurch werden nur geringe Rechen- und Speicherkapazitäten benötigt, obwohl große Mengen an Daten verarbeitet werden. Dieses Verfahren bietet sich an, wenn Algorithmen sich dynamisch an neue Daten anpassen sollen.

Demgegenüber steht das Batch-Lernen, bei dem die Menge der Trainingsdaten gleich bleibt. Algorithmen des Online-Lernens erstellen Modelle, nachdem sie einen relativ kleinen Teil von Daten begutachtet haben. Demnach ist eine Herausforderung, ungünstige Entscheidungen der Algorithmen rückgängig machen zu können, die auf nicht mehr verfügbaren Daten basieren.

• Online Machine Learning in Big Data Streams (2018)

  András A. Benczúr, Levente Kocsis, Róbert Pálovics

  arXiv DOI:10.48550/ARXIV.1802.05872
• Maschinelles Lernen. Eine Analyse zu Kompetenzen, Forschung und Anwendung (2018)
  Fraunhofer Gesellschaft zur Förderung der angewandten Forschung e.V. (Hrsg.)
• Lexikon der Neurowissenschaft. Batch-Lernen (o. D.)
• Machine Learning: A Review of Learning Types (2020)

  Shagan Sah

  MDPI AG DOI:10.20944/preprints202007.0230.v1