machine-learning - 如何在之前的模型的基础上继续训练SVM

我们都知道SVM的目标函数是迭代训练的。为了继续训练，如果我们想继续使用相同的训练数据集，至少我们可以存储迭代中使用的所有变量。

但是，如果我们想在稍微不同的数据集上进行训练，我们应该怎样做才能充分利用之前训练的模型呢？或者说这样的想法有道理吗？我觉得如果我们训练一个K-means模型是非常合理的。但我不确定它对于 SVM 问题是否仍然有意义。

最佳答案

有一些关于这个主题的文献:

alpha-seeding ，其中训练数据被分成 block 。在第 第 block 上训练 SVM 后，您可以使用它们来训练第 (i+1) block 上的 SVM。
Incremental SVM作为在线学习，您可以使用新示例更新分类器，而不是重新训练整个数据集。
SVM heavy还包含在线 SVM 培训。

关于machine-learning - 如何在之前的模型的基础上继续训练SVM，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/21188725/