我正在使用一个多类分类器(通过One-Vs-All实现的支持向量机)来分类数据样本。假设我当前有n
个不同的类。
然而,在我面临的情况下,新的数据样本可能属于一个n+1
的新类别,这种类别之前没有出现过。
因此,我想说我需要一种在线学习的形式,因为一开始没有适合所有后续数据的明确训练集。相反,我需要SVM动态地适应未来可能出现的新类别。
因此,我想知道如何以及如何...
确定新的数据样本不太适合现有类别,而应该创建一个新的类别。
将新类别集成到现有的分类器中。
我可以模糊地想出一些可能解决这个问题的方法:
如果二元SVM分类器(在OVA情况下,我为每个类都有一个)都没有对新的数据样本预测出相当高的概率(例如> 0.5),那么我可以假设这个新的数据样本可能代表一个新的类别。
我可以为该新类别训练一个新的二元分类器,并将其添加到多类SVM中。
然而,这些只是我天真的想法。我想知道是否有一种“适当”的方法来解决这个问题,例如使用聚类算法找到所有类别。
或者说,我的尝试使用SVM来解决这种问题甚至不适合这种问题吗?
非常感谢您的帮助。