假设我们在 tensorflow 中使用小批量梯度下降。每天我都会更新前一天的模型，通过向模型提供新数据来预测某些东西（回归/分类）。如果出现分类特征的新值，我该怎么办？如何将其合并到现有模型中？
例如，假设一个名为 state 的特征在昨天之前有 3 个值，即“CA”、“IA”和“VA”。所以我的张量流模型中的输入特征向量有三个虚拟变量——每个变量代表三种状态之一。现在，当我今天使用一组新数据重用此模型时，我如何适应特征状态的新值，例如“NC”。如何更改现有模型中的功能集？
假设我们在 tensorflow 中使用小批量梯度下降。每天我都会更新前一天的模型，通过向模型提供新数据来预测某些东西（回归/分类）。如果出现分类特征的新值，我该怎么办？如何将其合并到现有模型中？
例如，假设一个名为 state 的特征在昨天之前有 3 个值，即“CA”、“IA”和“VA”。所以我的张量流模型中的输入特征向量有三个虚拟变量——每个变量代表三种状态之一。现在，当我今天使用一组新数据重用此模型时，我如何适应特征状态的新值，例如“NC”。如何更改现有模型中的功能集？