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/