采用决策树、神经网络、回归等算法时，包括集成学习，一般基于历史样本数据训练模型，如果加入增量数据后（不是时序模型问题）除了将算法在全量数据（历史样本数据＋增量数据）上重新运行一遍外，是否有其他的算法或机制对模型结果进行更新？在大数据应用的时候，如果一旦有增量数据就在全量数据上更新算法结果太费资源了。例如在推荐应用中，网易云音乐根据用户每天的行为数据更新推荐结果。