WEKA增量学习？

Question

我所理解的增量学习的思想是，经过培训后，我保存我的模型，当我有新的数据时，我不再用新的数据来训练旧的数据，我只是加载我保存的模型，并使用新的数据进行再次训练，而新的经过训练的模型将建立在旧的数据之上。

我在WEKA中搜索了这一点，我发现这可以使用“增量算法”来完成。我知道Hoefdding是J48算法的增量版本，但我不知道增量学习是如何实现的。

如果有人能解释这在WEKA是否可行，以及如何做到的话。

Answer 1

为了在WEKA中进行增量学习，您必须选择实现UpdatableClassifer接口的分类器。有10个分类器可以做到这一点。请注意，这只能使用编码或命令行来完成。

您必须首先根据培训数据构建模型，然后保存模型。在此之后，您使用相同的模式，并培训更多。

使用HoefddingTree算法，如下所示：

java weka.classifiers.trees.HoeffdingTree -L 2 -S 0 -E 1.0E-7 -H 0.1 -M 0.01 -G 200.0 -N 0.0 -t Training.arff -no-cv -d ht.model

java weka.classifiers.trees.HoeffdingTree -t Training.arff -T Testing.arff -l  ht.model -d ht.updated.model 

当然，在更新模型时，不需要再次指定培训参数，因为这些设置已经保存在模型中。

有关详细信息，请参阅：

http://weka.8497.n7.nabble.com/WEKA-Incremental-Learning-Training-td35691.html
https://weka.wikispaces.com/Classification-Train/test%20set#Classification-Building a Classifier-Incremental