添加和删除 SVM 参数而无需完全重新训练
Adding and removing SVM parameters without having to totally retrain
我有一个支持向量机，训练了约 300,000 个示例，训练这个模型大约需要 1.5-2 小时，我将其腌制（序列化）。目前，我想要 add/remove 模型的几个参数。有没有办法做到这一点而不必重新训练整个模型？我在 python.
中使用 sklearn
如果您使用的是 sklearn 中的 SVC，那么答案是否定的。没办法，这个实现纯粹是batch training based。如果您正在使用 sklearn 中的 SGDClassifier 训练线性 SVM，那么答案是肯定的，因为您可以简单地从以前的解决方案开始优化（删除功能时 - 只需删除相应的权重，而添加时 - 在那里添加任何权重).
我有一个支持向量机，训练了约 300,000 个示例，训练这个模型大约需要 1.5-2 小时，我将其腌制（序列化）。目前，我想要 add/remove 模型的几个参数。有没有办法做到这一点而不必重新训练整个模型？我在 python.
中使用 sklearn如果您使用的是 sklearn 中的 SVC，那么答案是否定的。没办法，这个实现纯粹是batch training based。如果您正在使用 sklearn 中的 SGDClassifier 训练线性 SVM，那么答案是肯定的，因为您可以简单地从以前的解决方案开始优化（删除功能时 - 只需删除相应的权重，而添加时 - 在那里添加任何权重).