Я хотел бы создать онлайн-систему машинного обучения, где пользователи могут постоянно добавлять классифицированные образцы и обновлять модель в режиме онлайн. Я хотел бы использовать персептрон или аналогичный алгоритм онлайн-обучения.
Но пользователи могут ошибаться и вставлять не относящиеся к делу примеры. В этом случае я хотел бы иметь возможность удалить конкретный пример без повторной тренировки персептрона на всем наборе примеров (который может быть очень большим).
Это возможно?
machine-learning
online-algorithms
Эрель Сегал-Халеви
источник
источник
Ответы:
Как я понимаю , изменение перцептрона без переподготовки невозможно. Корректировки веса относятся не только к этому конкретному примеру, но также и к другим тренировочным примерам, которые были ранее. Выявление некорректно классифицированного экземпляра и удаление его из тестового набора перед переподготовкой модели может показаться наиболее эффективным способом корректировки весов.
Я думаю, что стоит отметить, что по сравнению с другими алгоритмами машинного обучения, персептроны относительно устойчивы к шуму и неправильно классифицированы в обучающем наборе . Если вы сталкиваетесь с большим количеством ошибочно классифицированных экземпляров, было бы более разумно иметь лучшую проверку в тот момент, когда вы принимаете данные до обучения, чем придумывать способ исправить ошибочно классифицированные экземпляры после обучения персептрона. Если это невозможно, и вы можете идентифицировать неправильно классифицированные экземпляры как таковые, то удаление их и переподготовка могут показаться единственным способом эффективного устранения влияния неправильно классифицированных экземпляров.
источник