感知者会忘记吗？

Question

我想构建一个基于Web的在线机器学习系统，用户可以在其中连续添加分类样本，并在线更新模型。我想使用感知器或类似的在线学习算法。

但是，用户可能会犯错误并插入无关的示例。在这种情况下，我想可以选择删除一个特定的示例，而不必重新训练整个示例集中的感知器（这可能很大）。

这可能吗？

Answer 1

据我了解这个过程, ，在不进行重新培训的情况下更改感知器是不可能的。重量调整不仅相对于该特定示例，而且相对于以前的其他培训示例。识别错误分类的实例并将其从测试集中删除，然后再进行重新培训，这似乎是纠正权重的最有效方法。

我认为值得指出的是，与其他机器学习算法相比 在训练集中，感知器相对抵抗噪声和错误分类的实例. 。如果您遇到大量错误分类的实例，那么在培训之前摄入数据时，要获得更好的验证似乎更谨慎，而不是在接受培训后纠正错误分类的实例。如果这是不可能的，并且您能够确定错误的分类实例，那么将其删除和再培训似乎是有效消除错误分类实例的影响的唯一方法。