インクリメンタル学習 (オンライン学習) では、予測子変数の分布、目的関数の要素、観測値のラベル付けなどがほとんど未知、またはまったく未知の可能性のある、データ ストリームからの入力データを処理します。インクリメンタル学習は従来の機械学習の手法とは異なり、モデルへの当てはめ、ハイパーパラメーター調整のための交差検証の実行、および予測子の分布の推測を行うために、十分にラベル付けされたデータを使用できます。

インクリメンタル学習では、構成済みのインクリメンタル モデルが必要です。incrementalClassificationLinear などのオブジェクトを呼び出して、直接、インクリメンタル モデルを作成および構成できます。または、incrementalLearner を使用して、サポートされている従来の学習済みのモデルをインクリメンタル学習器に変換できます。モデルを構成してデータ ストリームを設定した後、インクリメンタル モデルをデータの入力チャンクに当てはめてモデルの予測パフォーマンスを追跡することや、両方のアクションを同時に実行することができます。

詳細については、インクリメンタル学習の概要を参照してください。

分類誤差など、概念データのドリフトをインクリメンタルに監視することもできます。最初に、incrementalConceptDriftDetector を使用してドリフト検出器を構成する必要があります。データ ストリームを設定した後、detectdrift を使用してドリフト検出器を更新し、ドリフトを検出できます。詳細については、リファレンス ページを参照してください。