如何训练多元线性回归中的新数据集？

假设我有200万个以前的训练样例，我已经花时间用这些例子训练我的模型。现在我又收到100个例子。那么，我将不得不再次利用这100个示例来训练这200万个示例，或者只是记住从初始训练中获得的参数（权重），并在训练100个示例中使用它们？如何训练多元线性回归中的新数据集？

2016-03-15 io10

这取决于学习的类型。如果您正在使用批量学习，则必须通过将新数据扩充到旧数据集来重新训练模型。而如果您正在使用在线学习，则可以使用第一个模型权重并使用新数据进一步更新它们。 – Riyaz

@Riyaz再次在线学习如随机梯度下降使用整个训练数据集，然后做整个数据集的随机洗牌，但更新参数只使用单个数据点，那么我们如何使用新的例子来运行它？ – io10

使用您的原始权重作为新模型的初始权重。然后仅使用新数据来训练您的模型。 – Riyaz

实际上是LR是一个在线学习模式，所以你可以使用你的最后一个参数的初始权重，当你训练新的200例

2016-03-15 05:45:57

回答