在一个特定的应用程序中,我需要机器学习(我知道我在本科课程中学习的东西)。我使用了支持向量机并解决了问题。它工作正常。
现在我需要改进系统。这里的问题是
我每周都会获得额外的培训示例。现在,系统开始使用更新的示例(旧示例 + 新示例)重新进行训练。我想让它成为增量学习。使用以前的知识(而不是以前的例子)和新的例子来获得新的模型(知识)
对,我的训练示例有 3 个类。因此,每个训练示例都适合这 3 个类之一。我想要“未知”类的功能。任何不符合这 3 个类别的内容都必须标记为“未知”。但我不能将“未知”视为一个新类并为此提供示例。
假设实现了“未知”类。当类是“未知的”时,应用程序的用户输入他认为的类可能是什么。现在,我需要将用户输入整合到学习中。我也不知道如何做到这一点。如果用户输入一个新的类(即一个不在训练集中的类),会有什么不同吗?
我是否需要选择新算法或支持向量机可以做到这一点?
PS:我正在为 SVM 使用 libsvm 实现。