Инкрементальное обучение важно в условиях ограниченности вычислительных ресурсов, потому что позволяет эффективно использовать вычислительные ресурсы за счёт устранения необходимости переобучения при получении новых данных. 1

Также инкрементное обучение помогает:

• Избежать хранения образов и проблем с конфиденциальностью, поскольку методы учатся генерировать примеры из предыдущих задач. 1
• Динамически регулировать способность модели к обучению в соответствии с новыми доступными данными. 1

Кроме того, инкрементальное обучение может обучаться на малом объёме обучающей выборки и требует меньше вычислительных ресурсов по сравнению с традиционным машинным обучением, для которого требуется заранее подготовленный обучающий набор данных. 1

Таким образом, инкрементальное обучение помогает сократить время классификации или прогнозирования, а также сэкономить вычислительные ресурсы и данные. 24