machine-learning - 刷新监督学习的训练数据——如何做？

Question

我们有一个网页分类器。分类器模型是使用大约两年前的训练数据构建的。我们注意到模型的性能不断恶化，我们假设这是由于网页的属性随着时间的推移而变化(主要是使用的单词和术语，还有拓扑、html 标签等)。

您将如何解决这个问题？我们是否简单地重新构建整个训练数据并重新学习新模型？有捷径吗？是否有一些关于如何做到这一点的常见做法或论文？请注意，我们非常迷恋监督学习方法，系统管理员训练分类器，评估其在测试集上的性能，然后将分类器安装在“生产”系统中。

希望这不是太模糊......

Answer 1

可能需要考虑许多因素，主要是分类器的状态和数据。

如果您不需要因更改网络协议(protocol)而需要任何新输入，那么您可以根据新数据重新训练现有分类器。

如果分类器未被设计为针对新数据进行重新训练，则可能很难挽救旧模型。同样，如果输入或输出发生了变化，构建新的分类器也可能会更容易。

我不知道您正在使用什么分类器，也不知道重新训练或处理数据的方法，因此我无法为您面临的问题提供直接答案，或者是否有任何解决问题的捷径。这实际上取决于分类器的可访问性以及维护它的成本。

正如您在上面的问题中所述，建议在将新分类器应用于生产环境之前对其进行测试和比较，以确认其满足要求。