我有一个 pybrain NN 启动并运行，它似乎工作得相当好。理想情况下，我想训练网络并在每个数据点(在本例中为前几周的数据)添加到数据集后获得预测。
目前我通过每次重建网络来做到这一点，但是随着每个示例的添加，训练网络需要越来越长的时间(每个示例 +2 分钟，在 1000 个示例的数据集中) .
有没有一种方法可以通过将新示例添加到已训练的神经网络并对其进行更新来加快该过程，或者我是否使问题过于复杂，并且通过对一组示例进行训练会更好(例如去年)数据)，然后对所有新示例(今年)进行测试？
最佳答案
这取决于您的目标是什么。如果您需要更新的 NN 模型，您可以执行在线训练，即从您在时间 $t-1$ 拥有的网络开始，使用在时间 $t$ 获取的样本执行单步反向传播。或者您可以丢弃较旧的样本以获得固定数量的训练样本，或者您可以减少执行某种聚类的训练集的大小(即将相似的样本合并为一个样本)。
如果您更好地解释您的应用程序，建议解决方案会更简单。
关于python - 添加到数据集后重新训练 pybrain 神经网络，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/8582498/