オンライン学習

データが逐次的に入力される環境で、その都度モデルを更新していく学習手法です。蓄積された全データを一度に使うわけではありません。

仕組みとして、バッチ学習とは異なり、新しいデータが手に入るたびに学習を行い、モデルの重みをリアルタイムに調整します。メモリ消費を抑えられ、データが刻々と変化する状況に対応しやすいというメリットがあります。

G検定での視点としては、動的なデータストリームへの適応能力が問われます。新しいトレンドを即座に学習する必要がある推薦システムや、状況が絶えず変わる環境での予測モデルとして適していることを理解しておきます。