オンライン学習（Online Learning）とは、データを1つずつ逐次的に受け取り、その都度モデルを更新していく学習方式です。データがストリームとして到着する環境や、データが大きすぎてメモリに載らない場合に有効です。
バッチ学習との違い
バッチ学習がすべてのデータを使って一括で学習するのに対し、オンライン学習は新しいデータが到着するたびにモデルを更新します。環境の変化に素早く適応でき、メモリ効率が良いという利点があります。
| ひとことで言うと | データが届くたびに、その都度モデルを少しずつ更新していく方式。 |
|---|---|
| どこで使う | 需要が刻々と変わる価格設定、不正検知、ニュース推薦。 |
| 注意点 | 直近データに引っ張られやすく、異常データで一気に壊れるリスクがある。 |
活用例
リアルタイムのレコメンデーション、広告クリック予測、センサーデータの処理、金融市場の予測など、時間とともにデータの傾向が変化する場面で活用されています。
1新しいデータ到着1件ずつ流れてくる
▶
2すぐ予測現在のモデルで対応
▶
3正解が判明結果が後から分かる
▶
4その場で更新少しだけ学習
↺ データが来るたび1〜4をくり返す
概念ドリフト
時間経過に伴いデータの統計的性質が変化する「概念ドリフト」への対処がオンライン学習の重要な課題です。古いデータの影響を徐々に減衰させる手法などが使われます。