Инкрементное добавление новых категорий

Question

Мне было интересно, существует ли какой-либо алгоритм для постепенного добавления новых классов в существующую систему классификаторов. Напр. если я обучил систему с 50 категориями, и я хочу добавить еще 10 категорий в систему, какие методы я должен изучить? Существует широкий спектр алгоритмов, которые позволяют постепенно обновлять систему с дополнительными образцами обучения из существующих категорий, но мне не известны методы, которые позволят добавить больше категорий. Теоретически, я думаю, что алгоритмы Nearest Neighbor, как и алгоритмы, могут быть применены к этой задаче, но существуют ли другие алгоритмы, подходящие для крупномасштабных задач (скажем, обновление системы, обученной 500 категориями с 50 дополнительными категориями) Может быть в области инкрементных деревьев решений Алгоритмы, такие как инкрементный SVM, не очень хорошо масштабируются для большого количества категорий. Если есть какая-либо бумага/код, я бы счел его указателями.

Answer 1

Если я правильно понял ваш вопрос, вы спрашиваете о раздельной кластеризации (вы имеют заданный набор данных и хотят повторно кластеризовать их с большим количеством групп, чем раньше).

Большинство алгоритмов, с которыми мне знакомы, потребуют перестройки кластеризации в основном с нуля. Однако вы можете захотеть посмотреть на e BIRCH. Поскольку он хранит только сводку классов (без явных ссылок на данные), он подходит для Big Data ™, и b) он имеет вид расстояния, который может указать вам, какую категорию вы должны разделить дальше (в случае, если вы хотите динамически генерировать дополнительные 50 «самых разных» категорий).