在机器学习中创建监督模型

Question

我最近了解了监督学习是如何工作的。它学习已标记的数据集并预测未标记的数据。

但是，我有一个问题，那就是用预测的数据示教创建的模型，然后再次预测未标记的数据是否可以。然后重复这个过程。

例如，模型M是由10个标记为数据集D的数据创建的，然后模型M预测数据A。然后，将数据A添加到数据集D中并再次创建模型M。对于不可预测的数据量，重复该过程。

Answer 1

您在这里描述的是一种众所周知的技术，称为(在其他名称中) "selftraining“或"self semi-supervised training”。请参见示例幻灯片https://www.cs.utah.edu/~piyush/teaching/8-11-print.pdf。围绕这个想法有成百上千的修改。不幸的是，一般来说，很难证明它应该是有帮助的，所以虽然它对某些数据集有帮助，但对其他数据集却很难。这里的主要标准是第一个模型的质量，因为自训练是基于这样的假设，即您的原始模型是really good，因此您可以足够信任它来标记新的示例。对于一个强大的模型，它可能有助于缓慢的概念漂移，但对于弱模型，它将错误地失败。

Answer 2

你所描述的是online machine learning，增量监督学习，可更新的分类器...有很多算法可以完成这些行为。参见示例weka工具箱Updateable Classifiers。我建议看看下面的几个。

• HoeffdingTree
• IBk
• NaiveBayesUpdateable
• SGD