我正在使用多维 SVM 分类器（SVM.NET，libSVM 的包装器）对一组特征进行分类。
给定一个 SVM 模型，是否可以合并新的训练数据而无需重新计算所有先前的数据？我想另一种说法是：SVM 是可变的吗？
问问题
8453 次
2 回答
14
实际上，它通常被称为增量学习。这个问题之前出现过，在这里得到了很好的回答：支持向量机 (SVM) 的一些实现细节。
简而言之，这可能但并不容易，您必须更改正在使用的库或自己实现训练算法。
我找到了两种可能的解决方案，即 SVMHeavy和LaSVM，它们支持增量训练。但我没有使用过它们，也不知道它们的任何信息。
于 2010-10-19T11:55:23.303 回答
2
在线和增量虽然相似但略有不同。在网上，它通常可以配置单遍（epoch=1）或epoch数。其中，增量意味着您已经有一个模型；不管它是如何构建的，但是模型可以被新的例子改变。此外，通常需要在线和增量相结合。
以下是关于在线和/或增量 SVM 的一些工具列表：https ://stats.stackexchange.com/questions/30834/is-it-possible-to-append-training-data-to-existing- svm-models/51989#51989
于 2013-03-13T07:08:47.840 回答