我了解在在线/增量式学习中,随着新数据的不断使用,SVM或NN可能会增量学习。如果随着时间的推移,只有新的功能/变量代替了新的案例,那又会怎样呢?有什么技术可以处理此类针对分类器/预测的训练?
最佳答案
在神经网络的情况下,我会采用这种方法:
参加已经训练有素的网络。为新功能添加新的输入神经元。 (可选)将新的神经元添加到隐藏层。用零或随机值初始化新连接的权重。重新训练网络。
它可能比从头开始训练新网络要快。
关于machine-learning - 在线/增量学习分类器,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/27862165/