Weka 多层感知器增量学习答案

【问题标题】：Weka Multilayer Perceptron incremental learningWeka 多层感知器增量学习
【发布时间】：2017-03-18 22:13:12
【问题描述】：

我正在使用 weka 多层感知器来构建我的分类器。问题是，我有这么多数据集，所以我想一遍又一遍地进行增量训练。在我用 dataset1 调用 buildClassifier 之后。完成训练后，如果我用 dataset2 调用 buildClassifier 会怎样。会发生什么？我已经用 database1 训练过的网络会丢失吗？或者下次我调用 builderClassifier(dataset2) 的起点是带有 dataset1 的训练有素的网络？如果是第一种情况，有没有办法按照我所说的使用 weka MLP 做？

另外，如果我没有将种子传递给 MLP，我猜网络将始终返回相同的初始权重，因为默认种子为 0。

谢谢！

【问题讨论】：

显示、分享您的代码给比给您最佳答案更能理解您的人。

标签： java classification weka perceptron

【解决方案1】：

您不能逐步学习 MultilayerPerceptron，每次在同一个分类器实例上调用 buildClassifier 方法时，都会用新模型覆盖当前模型。

如果您希望学习过程使用更多样本，只需将它们添加到训练集（dataset1）并在新数据集上调用 buildClassifier 启动新的学习过程，以便反向传播算法可以使用所有可用数据进行训练模型！

另一方面，如果您已经用 10 个 epoch 训练了一个模型，并且您想在同一数据集上用 20 个 epoch 训练另一个模型，而不会丢失第一个，您可以简单地使用以下方法复制它makeCopy().

【讨论】：