我见过Wolfram和其他一些网站，这些网站声称每次我们使用对象检测应用程序并将其标记为图像所代表的正确对象时，他们的算法都会使用数据来更新其对象检测模型。
我正在进行逻辑回归，并已为我已经可用的数据集成功实现了它。我现在期待着使该算法快速运行，即每当我使用新的数据集(可以是单个输入数据集)时，它都应该能够更新其权重，并且不应该从头开始使用整个数据集进行训练。 。
我们是否有任何在线指南或教程或任何此类 Material 可以在这里给我一个良好的开端。谢谢!
最佳答案
您正在寻找的被称为“在线学习”。 here是有关如何实现在线逻辑回归算法的非常详尽的概述。这不是唯一的方法，而是一种方法-本文提供了您需要的每一个细节。
但是请注意，这可能不是这些网站所指的。他们不会为获得的每个新的标记数据点更新模型。首先，他们可能有一个完整的审查过程，以过滤掉他们尝试将噪声降到最低的新数据(即:未贴标签的数据)。
在那之后，他们可能会等到他们积累了足够的新数据以至于需要从头开始构建新模型。可能还有许多其他策略/工作正在决定何时再次训练以及要使用哪些数据进行训练。
关于machine-learning - 在线逻辑回归模型，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/32326070/