un perceptron peut oublier?

Question

Je voudrais construire un système d'apprentissage automatique basé sur le Web en ligne, où les utilisateurs peuvent ajouter des échantillons en continu classés, et ont le modèle mis à jour en ligne. Je voudrais utiliser un perceptron ou similaire algorithme en ligne d'apprentissage.

Mais, les utilisateurs peuvent faire des erreurs et insérer des exemples non pertinents. Dans ce cas, je voudrais avoir la possibilité de supprimer un exemple spécifique, sans re-formation du perceptron sur l'ensemble des exemples (qui peut être très grand).

Est-ce possible?

Answer 1

Si je comprends bien le processus , la modification d'un perceptron sans recyclage est impossible. Les ajustements de poids ne sont pas seulement par rapport à cet exemple spécifique, mais aussi par rapport aux autres exemples de formation qui l'ont précédé. L'identification de l'instance incorrectement classifiés et retirer de l'ensemble de test avant le recyclage du modèle semble être le moyen le plus efficace de corriger les poids.

Je pense qu'il est intéressant de souligner que par rapport à d'autres algorithmes d'apprentissage machine, sont relativement resistent aux instances du bruit et de manière erronée dans l'ensemble de la formation . Si vous rencontrez un grand nombre de cas mal classés, il semble plus prudent d'avoir une meilleure validation au point que vous ingérez les données antérieures à la formation que de trouver un moyen de corriger des instances mal classés après la perceptron a été formé. Si ce n'est pas possible et que vous êtes en mesure d'identifier les cas mal classés en tant que tels, puis de les enlever et de recyclage semble la seule façon d'éliminer efficacement l'impact des instances mal classés.