大佬,
晚生新进学习ML, 在实践中又一类情况, 可用于训练的数据集不是一下子就完备的, 而是一个一个逐个增加的, 同时这些逐步增加的case不能本地保存,且每次使用都需要付费,不知各位大佬如何应对这种情况:
1. 如何逐步增量的训练模型(类似于基于前100个case训练出一个初始模型, 而后又一个新的case i出现的时候, 100+i 个case优化该模型, 另一个case j出现时, 用100 + j 对模型进行继续优化。
2. 如果退而求其是, 100 + j个case对模型优化后, 可以回头对100+i个case进行验证优化 (由于又使用了一次i,所以成本上升) , 如何操作可以在模型优化过程中,将成本控制的比较好?
非常感谢!