用新数据更新 SVM 分类器答案

【问题标题】：Update SVM classifier with new data用新数据更新 SVM 分类器
【发布时间】：2014-03-22 02:49:31
【问题描述】：

我使用 Python 训练了一个 SVM 分类器

clf = sklearn.svm.NuSVC(nu=0.05, probability=True, kernel='rbf')
clf.fit(points, classes)

这非常适合预测。现在我想更新分类器参数。很少有点改变分类（从正数到零），并且添加了一些。少数意味着 10000 中的 50 或更多。

我认为提示 SVM 分类器从之前的参数开始是明智的，这应该非常接近最佳解决方案。我有一个问题，有时分类器随机很差（我想拟合失败）。在 scikit-learn 或 libsvm 中有没有办法做到这一点？

【问题讨论】：

【解决方案1】：

NuSVC 不提供增量/在线学习。要在 scikit-learn 中做到这一点，您需要 SGDClassifier。这适合线性模型，但您可以使用 kernel_approximations 模块获得 RBF 内核的近似值（另请参阅 its author's blog）。

如果您想要真正的在线内核学习者，请查看LASVM。

【讨论】：