SVM可以逐步学习吗？
我正在使用多维SVM分类器（SVM.NET，libSVM的包装器）来分类一组function。
给定SVM模型，是否可以合并新的训练数据而无需重新计算所有先前的数据？ 我想另一种方式是：SVM是否可变？
实际上，它通常被称为增量学习。 之前提出的问题在这里得到了很好的解答： 支持向量机（SVM）的一些实现细节 。
简而言之，它可能但不容易，您将不得不更改您正在使用的库或自己实施训练算法。
我找到了两种可能的解决方案， SVMHeavy和LaSVM ，它们支持增量培训。 但是我没有使用它们，也不知道它们。
在线和增量虽然相似但略有不同。 在线，它通常可以配置单个传递（epoch = 1）或一些时期。 如果，增量意味着你已经拥有一个模型; 无论它是如何构建的，但是通过新的例子可以使模型变得可变。 此外，通常需要在线和增量的组合。
以下是一些工具列表，其中包含有关在线和/或增量SVM的一些注释： https ： //stats.stackexchange.com/questions/30834/is-it-possible-to-append-training-data-to-existing- SVM-型号/ 51989＃51989