Python Tensorflow在线学习

我的问题与建立推荐系统有关。我正在使用tensorflow来训练具有用户特性、项目特性和交互的模型

如何处理新数据？ 例如，每当用户点击一个项目时，我想立即记录该交互并从该交互中学习（为该交互训练模型）。我该怎么做

当前实施 现在，我遵循传统的方法，首先训练模型，然后根据模型进行预测。为了处理新的交互，我必须重新初始化图形，并使用所有数据重新训练以使其工作

我希望有一些解决办法。

---

谢谢

您不需要重新初始化图形。当您请求输出张量时，Tensorflow并不明确知道您是在进行培训还是测试阶段。相反，只要您评估优化器（例如tf.train.AdamOptimizer、tf.train.GradientDescentOptimizer等）最小化操作，就会发生反向传播

通常情况下，您在测试期间不会这样做，因为您试图预测它在看不见的数据上的性能。但是，如果您想在进行初始预测后将该数据添加到训练集中，您可以自由地这样做，只要您有办法获得真实值，这样它就可以计算误差张量

---

即使在非在线学习中，培训和测试通过也很常见：如果您使用验证集来确定提前停止，您可以在培训批次和验证批次之间进行选择，在培训批次和验证批次之间进行选择，在培训批次和验证批次之间进行选择，在培训批次和验证批次之间不进行选择。

根据您的描述：

例如，每当用户点击一个项目时，我想立即记录该交互并从该交互中学习（为该交互训练模型）。我该怎么做

你可能想做的是某种强化学习，等等 你的训练前模型的顶部

接下来要研究的是OpenAI

gym

软件包

---

第一堂课（免费审计）提供了如何将推荐系统与强化学习结合在一起的教程。

矩阵分解不能用于矩阵中未显示的数据，这是问题的要点。你的答案没有关系。@hugo2121 OP没有提到使用矩阵分解。而强化学习标签是在我发布这个答案后，由OP以外的人添加的。基于tensorflow标签，我的工作是基于这样一种假设，即他们正在用通常的方法训练神经网络，“新数据”由特征的不可见值（或其组合）组成，而不是新的特征维度。这个假设可能是错误的，但除非OP决定返回以澄清，否则我将保留原样。