是否可以將訓練數據附加到現有的 SVM 模型？

我正在使用 libsvm，我注意到每次調用 svmtrain() 時，我都會創建一個新模型，並且似乎沒有將數據放入現有模型的選項。然而，這可能嗎？我只是沒有在 libsvm 中看到這個方面嗎？

聽起來您正在尋找“增量”或“在線”學習算法。這些算法使您可以使用新示例更新分類器，而無需從頭開始重新訓練整個事物。

支持向量機絕對有可能，儘管我相信 libSVM 目前不支持它。可能值得看看其他幾個提供它的軟件包，包括

• Gert Cauwenbergh 的 2000 NIPS 論文（附代碼）http://www.isn.ucsd.edu/svm/incremental/
• Pegasos（可單獨使用或作為 dlib 的一部分使用）
• 支持向量機重http://people.eng.unimelb.edu.au/shiltona/svm/

PS：@Bogdanovist：這方面有相當廣泛的文獻。kNN 顯然是增量的。可以通過存儲計數而不是概率將（一些）貝葉斯分類器變成增量分類器。STAGGER、AQ* 和一些（但不是全部）ID* 系列決策樹算法也是增量式的，我想不到。

引用自：https://stats.stackexchange.com/questions/30834