“批量处理”我的意思是一个静态数据集事实（如在一个CSV）一次处理，以提取知识。 “在线”时，它使用一个直播支持存储：在事件发生时添加（“X购买Y”），并在此实时数据上发生查询（“您将推荐给正在查看y的人？“）。在线（而不是批量处理）数据挖掘软件包
我有（错）实时使用的术语，但我不意味着结果必须在一个固定的时间内。 （'''编辑：实时替换在线以上'''）
我记住了一个使用实时数据的推荐引擎。然而，我遇到的所有在线资源（如SO问题）都使在实时和批量处理数据挖掘包之间没有区别。我只好逐个搜索：
什么是在线数据挖掘软件包？
有没有理由为什么文献没有区分在线和批量处理软件包？或者是所有的实际数据挖掘实际上是批量操作？
对于某些算法，有在线版本可用。例如，对于本地异常因素LOF，有一个在线变体。我相信也有K-means的在线变体（实际上，原始的MacQueen版本可以被视为“在线”，尽管大多数人通过重复它直到收敛来将其变成离线版本），但是在下面看到问题与k参数。
但是，在线操作通常会带来显着的性能成本。直到每小时以快照方式运行完整算法的速度更快，而不是不断更新结果。想想互联网搜索引擎。大多数大型搜索引擎仍然不允许“在线”查询，而是查询最近建立的索引，可能在一天或更久之前。
另外，在线操作还需要大量额外的工作。计算距离矩阵很容易，通过添加和删除列来在线更新它更加困难，并且同步所有相关结果。通常，大多数数据挖掘结果太复杂，无法执行此操作。例如，计算数据流的平均值很容易。但'''通常没有已知的解决方案来更新结果而不重新运行 - 昂贵的过程'''。在其他情况下，您甚至需要更改算法参数。所以在某个时候，可能会形成一个新的群集。然而，k-means并不意味着会出现新的集群。所以基本上，你不能只写一个在线版本的k-means。这将是一个不同的算法，因为它需要动态修改输入参数“k”。
因此，通常算法已经在线或离线。而一个软件包将无法将转为脱机算法转为在线算法。
在线数据挖掘算法意味着他们实时计算结果，通常意味着算法是增量式的。也就是说，每次看到新的训练实例时，模型都会更新，并且不需要使用批处理算法进行定期再训练。 Weka等许多机器学习库提供批量算法的增量版本。还请检查moa项目和spark streaming。尽管大多数“传统”ML算法不能在没有基础架构和计算优化的在线模式下工作，但文献确实对这两者进行了区分。
关于堆栈溢出的离线资源或工具推荐请求是无关紧要的。如果你回答它们，你特别强调了Stack Overflow是回答这些问题的好地方。不是这样。即使你知道一个很好的答案，也不要回答这些问题，因为大多数答案都会被高度评价（“我个人喜欢......”）。您可以打开关于该问题的标志对话，并在** off-topic **类别下或[help/on-topic]中查看完整的原因。你甚至不应该在评论中回答，因为效果与实际答案类似。 – 2015-10-13 16:03:17
我回答了问题“什么是在线数据挖掘软件包？”和“是否有文献没有区分在线和批量处理软件包的原因？” 。这个问题被标记为+2，所以它很重要。如果你对这个问题有疑问，你为什么要惩罚答案？ – 2015-10-14 09:25:35
无论您个人对Stack Overflow应该是什么样的观点以及想要塑造它的愿望，只有拥有正确能力的人才有权对Stack Overflow问题采取行动。似乎你只有声望，但（根据你的个人资料）而不是能力。 – 2015-10-14 09:43:19
我编辑了你的文章，因为适当的术语恕我直言，是“在线操作”（而不是工作在数据的副本上）。 – 2012-03-11 11:09:09