मैं हाल ही में ऑनलाइन सीखने के बारे में अधिक जानने की कोशिश कर रहा हूं (यह बिल्कुल आकर्षक है!), और एक विषय है कि मैं एक अच्छा समझ पाने में सक्षम नहीं हूं कि ऑफ़लाइन बनाम ऑनलाइन संदर्भों में मॉडल चयन के बारे में कैसे सोचना है। विशेष रूप से, मान लें कि हम कुछ निश्चित डेटा सेट आधार पर, एक क्लासिफायरियर ऑफ़लाइन प्रशिक्षण देते हैं । हम क्रॉस-सत्यापन के माध्यम से इसकी प्रदर्शन विशेषताओं का अनुमान लगाते हैं, कहते हैं, और हम इस तरह से सर्वश्रेष्ठ क्लासिफायरियर का चयन करते हैं।
यह वही है जिसके बारे में मैं सोच रहा हूं: कैसे, फिर, क्या हम को ऑनलाइन सेटिंग में लागू करने के बारे में जाते हैं ? क्या हम यह मान सकते हैं कि ऑफ़लाइन पाया गया सर्वश्रेष्ठ ऑनलाइन क्लासिफायरियर के रूप में भी अच्छा प्रदर्शन करेगा? क्या को प्रशिक्षित करने के लिए कुछ डेटा इकट्ठा करना समझ में आता है , फिर उसी क्लासिफायर और इसे पाए जाने वाले समान मापदंडों के साथ ऑनलाइन सेटिंग में "ऑपरेशनल करें" , या दूसरा तरीका बेहतर हो सकता है? इन मामलों में क्या हैं? यहां प्रमुख परिणाम क्या हैं? इत्यादि।
वैसे भी, अब वहाँ से बाहर है, मुझे लगता है कि मैं जो देख रहा हूं वह कुछ संदर्भ या संसाधन हैं जो मुझे मदद करेंगे (और उम्मीद है कि अन्य लोग, जो इस तरह की चीज के बारे में सोच रहे हैं!) केवल ऑफ़लाइन शब्दों में पूरी तरह से सोचने से संक्रमण बनाते हैं, और मॉडल चयन के मुद्दे के बारे में सोचने के लिए मानसिक रूपरेखा विकसित करें और मेरे पढ़ने की प्रगति के रूप में इन प्रश्नों का अधिक सुसंगत तरीके से उपयोग करें।
