คำถามติดแท็ก online-learning

1
ฟอเรสต์แบบสุ่มออนไลน์โดยเพิ่มต้นไม้การตัดสินใจเดียว
Random Forest (RF) ถูกสร้างโดยกลุ่ม Decision Trees's (DT) โดยการใช้การบรรจุถุง DT แต่ละตัวจะได้รับการฝึกอบรมในชุดข้อมูลที่แตกต่างกัน ดังนั้นมีวิธีใดบ้างที่จะใช้ฟอเรสต์แบบสุ่มออนไลน์โดยเพิ่มการตัดสินใจข้อมูลเพิ่มเติมใหม่? ตัวอย่างเช่นเรามีตัวอย่าง 10K และฝึกอบรม 10 DT จากนั้นเราจะได้รับ 1K ตัวอย่างและแทนที่จะฝึกอบรม RF แบบเต็มอีกครั้งเราเพิ่ม DT ใหม่ การทำนายเสร็จสิ้นในตอนนี้โดยค่าเฉลี่ยของเบย์จาก 10 + 1 DT นอกจากนี้หากเราเก็บข้อมูลก่อนหน้านี้ทั้งหมด DT ใหม่สามารถได้รับการฝึกอบรมเป็นหลักในข้อมูลใหม่ที่ความน่าจะเป็นของการเลือกตัวอย่างนั้นจะมีน้ำหนักขึ้นอยู่กับจำนวนครั้งที่ได้รับ

2
ห้องสมุดสำหรับการเรียนรู้ของเครื่องออนไลน์
ฉันกำลังมองหาแพคเกจ (ทั้งในหลาม, R หรือแพคเกจแบบสแตนด์อโลน) เพื่อทำการเรียนรู้ออนไลน์เพื่อทำนายข้อมูลสต็อก ฉันได้พบและอ่านเกี่ยวกับ Vowpal Wabbit ( https://github.com/JohnLangford/vowpal_wabbit/wiki ) ซึ่งดูเหมือนว่าจะมีแนวโน้มมาก แต่ฉันสงสัยว่ามีแพ็กเกจอื่น ๆ ขอบคุณล่วงหน้า.

4
SGDClassifier: การเรียนรู้ออนไลน์ / partial_fit ที่มีป้ายกำกับที่ไม่รู้จักก่อนหน้านี้
ชุดการฝึกอบรมของฉันมีรายการประมาณ 50k ซึ่งฉันได้เรียนรู้เบื้องต้น ทุกสัปดาห์จะมีการเพิ่ม ~ 5k รายการ แต่จำนวนเดียวกัน "หายไป" (เนื่องจากเป็นข้อมูลผู้ใช้ซึ่งจะต้องถูกลบหลังจากเวลาผ่านไป) ดังนั้นฉันใช้การเรียนรู้ออนไลน์เพราะฉันไม่สามารถเข้าถึงชุดข้อมูลแบบเต็มได้ในภายหลัง ขณะนี้ฉันกำลังใช้SGDClassifierที่ทำงาน แต่ปัญหาใหญ่ของฉัน: หมวดหมู่ใหม่จะปรากฏและตอนนี้ฉันไม่สามารถใช้รูปแบบของฉันใด ๆ fitเพิ่มเติมขณะที่พวกเขาไม่ได้อยู่ในการเริ่มต้น มีวิธีการกับSGDClassifierหรือบางรุ่นอื่น ๆ ? เรียนรู้อย่างลึกซึ้ง? ไม่สำคัญว่าฉันจะต้องเริ่มจากศูนย์ตอนนี้ (เช่นใช้อย่างอื่นที่ไม่ใช่SGDClassifier) แต่ฉันต้องการสิ่งที่ช่วยให้การเรียนรู้ออนไลน์ด้วยป้ายกำกับใหม่
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.