python - 用新数据更新 SVM 分类器

Question

我使用 Python 训练了一个 SVM 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。很少有点改变分类（从正数到零），并且添加了一些。很少意味着 10000 中的 50 或更多。

我认为提示 SVM 分类器从先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，有时分类器随机很差（我想拟合失败）。有没有办法在 scikit-learn 或 libsvm 中这样做？

Answer 1

NuSVC不提供增量/在线学习。要在 scikit-learn 中做到这一点，您需要SGDClassifier. 这适合线性模型，但您可以使用该kernel_approximations模块获得 RBF 内核的近似值（另请参见其作者的博客）。

如果您想要一个真正的在线内核学习者，请查看LASVM。