如何在 R 中使用旧模型 + 新数据块重新训练模型？答案

【问题标题】：How to retrain model using old model + new data chunk in R?如何在 R 中使用旧模型 + 新数据块重新训练模型？
【发布时间】：2016-11-18 22:20:01
【问题描述】：

我目前正在研究社交网络中的信任预测——出于显而易见的原因，我将这个问题建模为数据流。我想做的是使用旧模型+新数据流块“更新”我训练过的模型。我使用的分类器是 SVM、NB（e1071 实现）、神经网络 (nnet) 和 C5.0 决策树。

旁注：我知道这个解决方案可以通过在 trainMOA 函数中定义“模型”参数来使用 RMOA 包，但我认为我不能将它与那些分类器实现一起使用（如果我错了，请纠正我）。

【问题讨论】：

您应该提供一个包含现有代码的小型样本数据集，供其他用户进行试验。
我没有看到提供数据样本的意义，因为这个问题与数据的结构、大小或任何其他特征无关——实际上它与数据完全无关.
您可以通过提供新数据集来更新模型。我看不出提供代码示例的意义，因为这个问题与代码的结构、大小或任何其他特性无关。

标签： r machine-learning

【解决方案1】：

根据奇怪的 SO 规则，我不能将其作为评论发布，就这样吧。
您列出的分类器在训练模型时需要完整的数据集，因此每当有新数据出现时，您应该将其与以前的数据结合起来并重新训练模型。您可能正在寻找的是online machine learning。非常流行的实现之一是Vowpal Wabbit，它还绑定到 R。

【讨论】：