【发布时间】：2015-03-07 20:50:49
【问题描述】：
我了解，在在线/增量学习中，SVM 或 NN 可能会增量学习，因为新数据会随着时间的推移变得可用。如果随着时间的推移，现有案例的新功能/变量变得可用，而不是新案例，该怎么办。是否有任何技术可以处理这种分类器/预测的训练？
【问题讨论】：
标签： machine-learning neural-network classification svm decision-tree
【发布时间】：2015-03-07 20:50:49
【问题描述】：
对于神经网络，我会采用这种方法：
以已经训练好的网络为例。为新特征添加新的输入神经元。可选地将新神经元添加到隐藏层。用零或随机值初始化新连接的权重。重新训练网络。
它应该比从头开始训练一个新网络要快。
【讨论】：