請問當機器學習建立模型
上線正式使用後
使用了一陣子後多了些資料
預測錯誤的資料
想要進行re-train的動作
1.使用原本的model直接fit新資料
2.將所有的資料合併後，再對全部資料重新fit一個新model
這兩種是否有不同的用途抑或是都用哪一種居多呢
謝謝指點
已邀請的邦友 {{ invite_list.length }}/5
第一種是不太好的方法，這樣 model 會忘記舊的東西，只認得新的
第二種從頭訓練要訓練很久，每次都這樣做實在很浪費時間
通常是用第三種：將所有的資料合併後，使用訓練過的 model 訓練
這樣 model 不但可以看到全部的資料，而且不用重新開始訓練
先將錯誤資料找出並剔除，用之前準確率高的權重檔，再進行新資料的訓練不就好了，若所有資料再訓練一次，當模型複雜，資料量大...除非你的時間很充裕且公司允許的話。
iThome鐵人賽
看影片追技術