Batch-Lernen
Ein maschineller Lernansatz, bei dem das Modell auf einmal am gesamten Datensatz trainiert wird, im Gegensatz zum inkrementellen Lernen.
Definition
Ein Trainingsparadigma, bei dem alle verfügbaren Daten in jeder Epoche in Chargen fester Größe verarbeitet werden. Batch-Lernen unterscheidet sich von Online- oder inkrementellen Methoden und eignet sich für stabile Datensätze. Es erfordert eine Neuausbildung von Grund auf, wenn neue Daten eintreffen, was ressourcenintensiv sein kann. Die Unternehmensleitung muss Umschulungszyklen einplanen und die damit verbundenen Kosten für Datenverarbeitung und Datenversionierung verwalten.
Real-World Example
Ein Analyseteam im Einzelhandel verwendet Batch Learning, um sein Nachfrageprognosemodell jeden Sonntag neu zu trainieren: Es verarbeitet die Verkaufsdaten der gesamten Woche in nächtlichen Batches, kalibriert das Modell neu und stellt die aktualisierte Version vor der operativen Planungsbesprechung am Montag bereit.
.svg)
