如果使用核数据的 SVM 训练模型,生成的训练模型将包含支持向量。现在考虑使用已有的旧数据加上一小部分新数据来训练新模型的情况。
那么: 1. 新数据应该只是与先前形成的模型中的支持向量相结合以形成新的训练集吗?(如果是,那么如何将支持向量与新图形数据相结合?我正在使用 libsvm) 2. 还是应该将新数据和完整的旧数据组合在一起形成新的训练集,而不仅仅是支持向量?
哪种方法更适合重新训练,更易于实现,并且从精度和内存使用效率方面更为高效呢?
那么: 1. 新数据应该只是与先前形成的模型中的支持向量相结合以形成新的训练集吗?(如果是,那么如何将支持向量与新图形数据相结合?我正在使用 libsvm) 2. 还是应该将新数据和完整的旧数据组合在一起形成新的训练集,而不仅仅是支持向量?
哪种方法更适合重新训练,更易于实现,并且从精度和内存使用效率方面更为高效呢?