“增量/减量”SVM 算法 - 可以在附加数据上进行训练

Posted 2023-03-12

【中文标题】“增量/减量”SVM 算法 - 可以在附加数据上进行训练

【英文标题】："Incremental / Decremental" SVM Algorithm - That can be trained on additional data

【发布时间】：2017-12-08 00:29:09

【问题描述】：

我正在用大约 5000 个样本训练一个 SVM 模型（RBF 内核），我正确地调整了我的模型并用它来进行预测。

现在，我还有 1000 个样本也可用于训练。 我的问题是，我是否必须在总共 6000 个样本上再次制作模型，或者有什么方法可以将训练数据添加到我现有的 SVM 模型中。

注意-实际上我使用的数据集很大，再次制作模型不是一个好主意。

【问题讨论】：

很遗憾，您必须使用整个训练集重新进行训练。

谢谢你，@stefan 我想我只需要这样做。但是我也听说过“Incremental SVM”，对此我不是很了解，但也许这只能用于重新训练新数据。

【参考方案1】：

它被称为“增量”或“在线”SVM 算法。目前它主要支持各种库中的线性内核类型：

Liblinear 增量。 Paper Gert Cauwenberghs Chris Diehl