こんにちは！
現在、基本的にはeコマースのクリックストリームデータを扱うプロジェクトに取り組んでいます。データを取り込み、ユーザーの意図（XGboost）や価格感度（Xgboost）を見つけ、購入の意図、調査行動、または価格の振る舞い（Xgboost）に基づいてユーザーをさまざまなセグメントに分けます。そのうえで、割引や送料無料といったメリット（Linucp または Thompson sampling）を推奨する、といった流れです。
質問はこれです。データが毎日入ってきてモデルを学習させる場合、モデルを毎回最初から学習し直す（再学習）方が良いのでしょうか？それとも初期データで学習しておき、その日の新しいデータが来るたびに毎日微調整（fine-tuning）し続ける方が良いのでしょうか？
再学習は全データでは行いません。学習データの蓄積を防ぎ、最新のトレンドを維持するために、直近30日分から100%サンプル、直近30〜90日分から50%サンプル、90〜180日分から10%サンプルを取り出します。
また、これをよりよく学べるようなリソースはありますか？
お力添えに感謝します。
[リンク] [コメント]
