如何使用Weka中的新培訓數據更新訓練有素的模型（weka.classifiers.functions.MultilayerPerceptron）？

Question

我想加載之前訓練過的模型，然後使用新的訓練數據更新此模型。但是我發現這項任務很難完成。

我從Weka Wiki瞭解到，

量詞實現weka.classifiers.UpdateableClassifier接口可以逐步訓練。

然而，迴歸模型我訓練使用weka.classifiers.functions.MultilayerPerceptron分類不落實UpdateableClassifier。

然後我檢查了Weka API，結果發現沒有迴歸分類器實現UpdateableClassifier。

我的問題是：如何在Weka中訓練迴歸模型，然後在加載模型後用新的訓練數據更新模型？
如果有人能幫助我，那會很棒。

Answer 1

我在Weka以及scikit-learn中擁有一些數據挖掘經驗，而據我所知，r和updateble迴歸模型並不存在於weka和scikit-learn中。但是有些R庫確實支持更新迴歸模型（請看這個線性迴歸模型，例如：http://stat.ethz.ch/R-manual/R-devel/library/stats/html/update.html），所以如果您可以自由切換數據挖掘工具，這可能會幫助您。

如果你需要堅持Weka，恐怕你可能需要自己實現這樣一個模型，但由於我不是一個完整的Weka專家，請與我們的名單（http://weka.wikispaces.com/Weka+Mailing+List）的傢伙覈對。

Answer 2

Weka中的SGD classifier實現支持多種丟失函數。其中有兩種損失函數是用於線性迴歸的，即， Epsilon不敏感和Huber損失函數。

因此，只要使用這兩種損失函數中的任何一種來最小化訓練誤差，就可以使用用SGD訓練的線性迴歸。