我们有一个网页分类器。分类器模型是使用大约2年前的列车数据构建的。我们已经注意到模型的性能不断恶化，我们假设它是由于网页的属性随时间而变化（主要是使用的单词和术语，还有拓扑，html标签等）。
你会如何解决这个问题？我们只是重新构建整个列车数据并重新学习新模型吗？有捷径吗？是否有一些常见的做法或论文如何做到这一点？请注意，我们非常关注监督学习方法，系统管理员训练分类器，在测试集上评估其性能，然后将分类器安装在＆＃34;生产＆＃34;系统
希望这不是太模糊......
答案 0 :(得分：2)
可能会考虑许多因素，主要因素是分类器的状态和数据。
如果您因更改网络协议而不需要任何新输入，那么您可以在新数据上重新训练现有分类器。
如果分类器尚未设计为在新数据上重新训练，则可能难以挽救旧模型。同样，如果输入或输出已更改，则构建新分类器也可能更容易。
我不知道您使用的是什么分类器，或者重新训练或处理数据的方式，因此我无法直接回答您所面临的问题，或者是否有任何捷径问题。这实际上取决于您的分类器的可访问性以及维护它的成本。
如上述问题所述，建议对新分类器进行测试和比较，以确保在将其应用于生产环境之前满足要求。
答案 1 :(得分：2)
如果您使用标准的现成分类器，可能无法更新新数据的参数（这取决于您正在使用的内容）。从头开始重建可能是最快的方法。如果你沿着这条路走下去，考虑包括旧数据加上一些新数据，可能会将更新的数据加权（加权损失函数可以做到这一点）。保留旧数据可能会最大限度地减少您需要创建的新数据量。
如果您希望能够根据新数据不断更新模型（例如，如果这是一个反复出现的问题），请考虑切换到支持在线学习的分类器。显而易见的选择是Passive Agressive系列学习方法之一：MIRA非常好（它基本上是一个在线SVM）。