## 前言：这个post，博主会分享关于增量学习（incremental learning）的入门知识。为了便于理解，我着重根据增量学习最为被接受的一篇文章提出的方法（learn++）进行实例和代码结合的讲解。
## 参考链接：
### https://www.jiqizhixin.com/graph/technologies/09134d6a-96cc-409b-86ef-18af25abf095
## 定义：增量学习是一种持续学习方式。在其中，输入数据不断地被用于扩展现有的知识模型，即进一步对模型进行训练，它代表了一种动态的学习技术。
## 原则：（此处我会给出原本和对应解释）
### 1. It should be able to learn additional information from new data.： 增强学习的分类器或学习算法（接下来统称分类器）可以从新的数据集里面学习，并获得对应的模式识别能力。
### 2. It should not require access to the original data, used to train the existing classifier.： 在新的学习中，不需要对原来学习过的数据进行访问，即不需要全盘的重训练。
### 3. It should preserve previously acquired knowledge (that is, it should not suffer from catastrophic forgetting). ：在新的学习中，不会对原来已学习的内容产生遗忘。
### 4. It should be able to accommodate new classes that may be introduced with new data. ：新的增强学习分类器能够学习新的数据类。
## 应用：（此处博主列举了一些例子，欢迎补充）
### 1. 在数据集非常大，计算机内存无法负荷时，可以使用增强学习进行分次的学习。
### 2. 能够为终生学习提供一个方案。
### 3. 在原数据无法访问，但原分类器又非常重要且有效时。增强学习可以对其进行完善。
## 算法讲解：
## 示意图：
## 缺点：
### 测试时间长。多个分类器结合，算法复杂度高。
### 不同的分类器负责不同的数据集时，不相干的分类器结果可能会互相干扰，导致分类准确率受影响。
## 代码：
这里，楼主根据learn++的原文和github找到的一份代码，结合了一份matlab的增强学习代码。有需要的小伙伴可以在下面下载哦。
** 使用方法：导入工具箱（ConceptDriftData），运行test内代码即可。