パーセプトロンは忘れることができますか？

Question

ユーザーが継続的に分類されたサンプルを継続的に追加し、モデルをオンラインで更新できるオンラインWebベースの機械学習システムを構築したいと思います。 Perceptronまたは同様のオンライン学習アルゴリズムを使用したいと思います。

ただし、ユーザーは間違いを犯し、無関係な例を挿入する場合があります。その場合、例全体でパーセプトロンを再訓練することなく、特定の例を削除するオプションが必要です（これは非常に大きいかもしれません）。

これは可能ですか？

Answer 1

私がプロセスを理解しているように, 、再訓練なしでパーセプトロンを変更することは不可能です。重量調整は、その特定の例に比べてだけでなく、以前に行った他のトレーニングの例とも比較しています。誤って分類されたインスタンスを識別し、モデルを再整理する前にテストセットから削除することは、重みを修正する最も効果的な方法のように思われます。

他の機械学習アルゴリズムと比較して、それを指摘する価値があると思います。 パーセプトロンは、トレーニングセットのノイズに比較的抵抗し、誤って分類されたインスタンスに抵抗します. 。多数の誤分類されたインスタンスに遭遇した場合、Perceptronがトレーニングされた後に誤分類されたインスタンスを修正する方法を考え出すよりも、トレーニング前にデータを摂取するポイントでより良い検証をする方が賢明に思えます。それが不可能で、そのような誤って分類されたインスタンスを識別できる場合、それらを削除して再訓練を削除することは、誤分類されたインスタンスの影響を効果的に削除する唯一の方法と思われます。