如何在不丢失早期模型的情况下根据新数据重新训练模型
How can I retrain a model on new data without losing the earlier model
对于我目前的业务需求，我需要一个分类模型，该模型将根据每天出现的数据进行训练，最重要的是那天之后数据对我来说不可用，所以我需要在那天自己训练我的模型，并继续每天训练它而不会丢失前一天完成的训练（以增加它的训练数据）。我应该如何应对这个挑战。我读过一个叫做在线机器学习或增量学习的概念，但我不知道如何实现它。请就此问题提出您的建议。 Whta可以是它可能的解决方案。
您可以将之前的内核加载回训练中，以适应新数据。
以keras为例，
模型 = load_model(old_kernel)
model.fit(new_x_train, new_y_train,epochs=100,batch_size=2000,shuffle=True)
对于我目前的业务需求，我需要一个分类模型，该模型将根据每天出现的数据进行训练，最重要的是那天之后数据对我来说不可用，所以我需要在那天自己训练我的模型，并继续每天训练它而不会丢失前一天完成的训练（以增加它的训练数据）。我应该如何应对这个挑战。我读过一个叫做在线机器学习或增量学习的概念，但我不知道如何实现它。请就此问题提出您的建议。 Whta可以是它可能的解决方案。
您可以将之前的内核加载回训练中，以适应新数据。 以keras为例，
模型 = load_model(old_kernel) model.fit(new_x_train, new_y_train,epochs=100,batch_size=2000,shuffle=True)