¿Puede un SVM aprender de forma incremental?

Question

Estoy utilizando un clasificador SVM multidimensional (SVM.NET, un contenedor para libSVM) para clasificar un conjunto de características.

Dado un modelo SVM, es posible incorporar nuevos datos de entrenamiento sin tener que volver a calcular en todos los datos anteriores? Creo que otra forma de expresarlo sería:? Es un mutable SVM

Answer 1

En realidad, se le suele llamar aprendizaje gradual. La cuestión se ha planteado antes y está bastante bien aquí la respuesta: algunos detalles de implementación para un (SVM) Soporte-Vector Machine.

En resumen, es posible, pero no fácil, que tendría que cambiar la biblioteca que está utilizando o implementar el algoritmo de entrenamiento mismo.

I encontró dos posibles soluciones, SVMHeavy y LaSVM , que apoya la formación gradual. Pero no he utilizado, ya sea y no sé nada de ellos.

Answer 2

En línea e incremental aunque similares, pero difieren ligeramente. En línea, es generalmente una sola pasada (época = 1) o el número de épocas se podrían configurar. En tanto que, incrementales significaría que ya tiene un modelo; No importa cómo se construye, pero entonces el modelo puede ser mutable por nuevos ejemplos. Además, una combinación de línea e incremental es a menudo lo que se requiere.

A continuación se muestra una lista de herramientas con algunas observaciones sobre la SVM en línea y / o incremental: https://stats.stackexchange.com/questions/30834/is-it-possible-to-append-training-data-to-existing-svm -modelos / 51989 # 51989