标签： python machine-learning tensorflow gradient-descent mini-batch
假设我们在张量流中使用小批量梯度下降。我每天更新最后一天的模型，通过向模型提供新数据来预测某些事情（回归/分类）。如果显示分类功能的新值，我该怎么办？如何将其纳入现有模型？
例如，假设一个名为state的特征在昨天之前有3个值，即“CA”，“IA”和“VA”。因此，我的张量流模型中的输入特征向量具有三个虚拟变量 - 每个虚拟变量用于三个状态之一。现在，当我今天使用一组新数据重用此模型时，如何适应功能状态的新值，例如“NC”。如何更改现有模型中的功能集？