SVM的增量学习

Question

什么是增量学习（机器学习）算法有用的一些真实世界的应用程序？ SVM是否适合这种应用？ 解决方案的计算密集度高于包含旧支持向量和新训练向量的集合吗？

Answer 1

有SVM的一个众所周知的增量版本：

• http://www.isn.ucsd.edu/pubs/nips00_inc.pdf

然而，没有多少现有的实现可用，或许真的是在Matlab：

• http://www.isn.ucsd.edu/svm/incremental/

该方法的优点是，它提供的 确切留一出评价的泛化能力训练数据

Answer 2

孤单是对大趋势，“出核心的”数据集，这往往是在流来自网络，磁盘或数据库。一个真实世界的例子是流行的nyc出租车数据集，在330 + gb时，桌面统计模型无法轻松解决。

作为“一批”算法，svms必须将整个数据集加载到内存中。因此它们不是增量学习的首选。相反，学习者喜欢逻辑回归，kmeans，神经网络，这些能够部分学习的网络，对于这样的任务是首选。