是否可以将训练数据附加到现有的SVM模型？

我正在使用libsvm，并且注意到每次调用svmtrain（）时，我都会创建一个新模型，并且似乎没有选择将数据放入现有模型中。但是可以这样做吗？我只是在libsvm中看不到这方面吗？

听起来您正在寻找“增量”或“在线”学习算法。这些算法使您可以使用新示例更新分类器，而无需从头开始重新训练整个过程。

支持向量机绝对有可能，尽管我相信libSVM目前尚不支持它。值得一看的是其他提供此功能的软件包，其中包括

• 格特·考温伯格（Gert Cauwenbergh）的2000年NIPS论文（带代码）http://www.isn.ucsd.edu/svm/incremental/
• Pegasos（可单独使用或作为dlib的一部分使用）
• SVM重载http://people.eng.unimelb.edu.au/shiltona/svm/

PS：@Bogdanovist：关于这一点，有很多文献。kNN显然是微不足道的。通过存储计数而不是概率，人们可以将（某些）贝叶斯分类器变成增量分类器。STAGGER，AQ *和ID *系列的决策树算法中的某些（但不是全部）也都是增量式的，超出了我的脑海。

大多数在线/增量式SVM实用程序都适用于线性内核，我想它的难度不如非线性内核那么难。

当前可用的一些著名的在线/增量SVM工具：
+ Leon Bottous的LaSVM：它支持线性和非线性内核。C ++代码
+ Bordes的LaRank：它支持线性和非线性内核。C ++代码。似乎链接现在已断开：-(
+ + Gert Cauwenberghs的代码递增和递减：支持线性和非线性内核Matlab代码。
+ Chris Diehl的Incremental SVM学习：支持线性和非线性内核Matlab代码。
+ Alistair Shilton的SVMHeavy：仅二进制分类和回归C ++代码
+ Francesco Parrella的OnlineSVR：仅回归。Matlab和C ++。
+ Pegasos：线性和非线性。C和Matlab代码。java接口。
+ Langford的Vowpal Wabbit：不确定：-(
+ Koby Crammer的MCSVM：线性和非线性C代码

在我的Quora答案中可以找到更多更新的列表。

另一种可能性是alpha播种。我不知道libSVM是否支持它。这个想法是将大量的训练数据分成多个块。然后，在第一个块上训练SVM。由于产生的支持向量不过是数据的一些样本，因此您将这些样本作为样本，然后使用它们来训练下一个块的SVM。同样，您使用该SVM为下一次迭代（种子）计算alpha值的初始估计。因此，好处是双重的：每个问题都较小，并且通过智能初始化，它们收敛得更快。这样，您可以将一个巨大的问题简化为依次解决一系列更简单的步骤。

如果您正在寻找“增量”解决方案，则可以在这里找到另一种选择。

线性增量

LIBLINEAR的扩展，允许增量学习。