Machine learning 增量添加新类别
我想知道是否有任何算法可以增量地向现有分类器系统添加新类。例如，如果我培训了一个包含50个类别的系统，并且我想在该系统中再添加10个类别，我应该研究哪些方法？有很多算法允许使用来自现有类别的额外训练样本增量更新系统，但我不知道有哪些方法允许添加更多类别。理论上，我认为类似最近邻的算法可以应用于此任务，但是否还有其他算法适用于大规模任务，比如用50个额外类别更新500个类别的系统？可能在增量决策树的域中？像增量支持向量机这样的算法不能很好地适应大量的类别。如果有任何论文/代码，我希望有人给我指点。如果我正确理解了你的问题，你是在问分裂聚类问题，你有一组给定的数据，想用比以前更多的组对它们进行重新聚类Machine learning 增量添加新类别,machine-learning,statistics,classification,decision-tree,Machine Learning,Statistics,Classification,Decision Tree,我想知道是否有任何算法可以增量地向现有分类器系统添加新类。例如，如果我培训了一个包含50个类别的系统，并且我想在该系统中再添加10个类别，我应该研究哪些方法？有很多算法允许使用来自现有类别的额外训练样本增量更新系统，但我不知道有哪些方法允许添加更多类别。理论上，我认为类似最近邻的算法可以应用于此任务，但是否还有其他算法适用于大规模任务，比如用50个额外类别更新500个类别的系统？可能在增量决策树的域中？像增量支持向量机这样的算法不能很好地适应大量的类别。如果有任何论文/代码，我希望有人给我指点。
我熟悉的大多数算法基本上都需要从头开始重新构建集群。但是，您可能想看看BIRCH算法。因为它只存储类的摘要，而没有显式的数据引用，所以它适合大数据™, b它具有一种距离度量，可以告诉您下一步应该拆分哪个类别，以防您想动态生成另外50个最独特的类别。您是指聚类，而不是分类，对吗？