【发布时间】：2014-01-23 17:47:24
【问题描述】：
我使用随机森林进行数据预测，并希望仅使用新数据不断更新训练模型，而不是定期根据整个历史数据重新训练模型。在我看来，RF 不是为可更新而构建的，而是？
我使用 Weka 的 RF，但任何理论解决方案或其他解决方案的经验都可能会有很大帮助。谢谢
【问题讨论】：
标签： weka prediction random-forest forecasting
【发布时间】：2014-01-23 17:47:24
【问题描述】：
Weka 的 RF 确实没有动态再训练选项，但还有其他算法（原始 RF 的变体）具有此选项。这是一个例子： http://www.ymer.org/amir/software/online-random-forests/
【讨论】：
-
您已经尝试过 Amir 的在线 RF 了吗？你和weka离线RF在分类性能上相比如何？
-
@doxav 你试过这个吗？就我而言，我在 csv 文件中有大约 140 万个实例（数据行）和 57 个特征。您是否亲自测试过这个在线随机森林并评估性能？我使用的是 weka 的随机森林，生成了 1 倍模型（10 倍交叉验证），大约需要 7.1 小时。所以我非常热衷于将它移植到 java 并快速进行测试（想知道是否可以提高性能）。