如何在不重新训练整个数据集的情况下向已经训练的模型中添加新功能?

时间:2019-05-15 11:52:42

标签: machine-learning neural-network artificial-intelligence feature-extraction transfer-learning

假设,我们具有以下功能,可以对分类模型(神经网络)进行训练,以预测客户每周是否购买牛奶(0:不购买,1:购买):

Feature1 Feature2 Feature3 Feature4

现在,我们要在每周之后添加客户是否在前一周购买牛奶(n-1)来更新模型数据。

在不使用时间序列的情况下,我们如何每周在经过训练的模型中更新此信息?

  • 我们是否可以每周添加新功能Feature5,Feature6 ...等, 没有对整个数据进行训练的模型,例如传输 学习吗?

我们如何最好地解决这个问题?

0 个答案:

没有答案