Son zamanlarda çevrimiçi öğrenme hakkında daha fazla bilgi edinmeye çalışıyorum (kesinlikle büyüleyici!) Ve iyi bir kavrama elde edemediğim bir tema, çevrimdışı ve çevrimiçi bağlamlarda model seçimi hakkında nasıl düşünüleceğidir. Özellikle, bazı sabit veri seti temel alarak bir sınıflandırıcısını çevrimdışı eğittiğimizi varsayalım . Performans özelliklerini çapraz doğrulama ile tahmin ediyoruz ve diyelim ki bu şekilde en iyi sınıflandırıcıyı seçiyoruz.
Düşündüğüm şey bu: Öyleyse, çevrimiçi bir ayara nasıl uygulayacağız ? Çevrimdışı bulunan en iyi çevrimiçi bir sınıflandırıcı olarak da iyi performans göstereceğini varsayabilir miyiz ? eğitmek için bazı verileri toplamak , daha sonra aynı sınıflandırıcısını almak ve bulunan aynı parametrelerle çevrimiçi bir ortamda "işlemek" mantıklı mı yoksa başka bir yaklaşım daha iyi olabilir mi? Bu durumlarda uyarılar nelerdir? Burada anahtar sonuçlar nelerdir? Ve böylece.
Her neyse, şimdi orada, sanırım aradığım şey bana yardımcı olacak bazı referanslar veya kaynaklar (ve umarım bu tür şeyleri düşünen başkaları!) Sadece çevrimdışı terimlerle düşünmekten geçiş yapar ve model seçimi konusunu ve bu soruları okumam ilerledikçe daha tutarlı bir şekilde düşünmek için zihinsel çerçeveyi geliştirmek.