我用Python训练了一个支持向量机分类器
clf = sklearn.svm.NuSVC(nu=0.05, probability=True, kernel='rbf')
clf.fit(points, classes)
这对预测很有用。
现在我想更新分类器参数。
很少的点会改变分类（从正数变为零），并且会添加一些点。很少意味着10000或更多。
我认为，尽管如此，提示支持向量机分类器从之前的参数开始是明智的，这应该非常接近最佳解决方案。我有一个问题，有时，分类器随机非常差（我想拟合失败）。
在scikit learn或libsvm中有这样做的方法吗？
最佳答案
NuSVC不提供增量/在线学习。要在scikit learn中做到这一点，您需要SGDClassifier。这符合线性模型，但是可以用kernel_approximations模块得到RBF内核的近似值（也见AA>）。
如果你想要一个真正的在线内核学习者，请查看its author's blog。
关于python - 使用新数据更新SVM分类器，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/21920032/