如何使用R中的旧模型+新数据块重新训练模型？

我目前正在从事社交网络中的信任预测工作 - 从显而易见的原因来看，我将这个问题建模为数据流。我想要做的是使用旧模型+新数据流块“更新”我的训练模型。我使用的分类器是SVM，NB（e1071实现），神经网络（nnet）和C5.0决策树。我知道这个解决方案可以通过在trainMOA函数中定义“模型”参数来使用RMOA包，但我不认为我可以在那些分类器实现中使用它（如果我错了，请更正我）。如何使用R中的旧模型+新数据块重新训练模型？

来源

2016-11-13 Johnny Johansson

您应该提供一个小样本数据集，其中包含您现有的代码供其他用户试验。 – vagabond

我没有看到提供数据样本的要点，因为这个问题与数据的结构，大小或其他任何特性无关 - 实际上它与数据无关。 –

您可以通过提供新的数据集来更新模型。我没有看到提供代码示例的意义，因为此问题与代码的结构，大小或任何其他特性无关。 –

根据奇怪的SO规则，我不能将它作为评论发布，所以要这样做。
您列出的分类器在训练模型时需要完整的数据集，因此每当新数据进入时，您应该将其与以前的数据合并并重新训练模型。你可能要找的是online machine learning。其中一种非常流行的实现方式是Vowpal Wabbit，它也与R绑定。

来源

2016-11-18 14:20:01 Vlados

如何使用R中的旧模型+新数据块重新训练模型？

回答

相关问题