WEKA：如何一次使用新的观察集（批量更新）重新训练现有模型，而不是在 java 中一次使用单个实例？

Question

我有 600 万大小的数据集，我考虑将 500 万作为训练数据集，100 万作为测试数据集。

我想再次将该训练集分成五到一百万个数据集。 最初我想用前一百万个数据集构建我的模型，最重要的是我想用剩余的四组训练数据重新训练我的模型。简而言之，我想以分段方式训练我的模型，而不是一次提供整个训练数据集。是否可以？如果可能的话我必须使用什么API 我怎样才能使用 weka 库做到这一点？

以下是我想在代码中使用的 API。

我将使用 buildClassifier(Instances intances) 进行初始模型构建。 那么我可以一次又一次地调用 buildClassifier() 来获取剩余的四组数据吗？是重新训练我的模型吗？或者每次用新数据集构建新模型？如果可能的话我该如何编码？

如果上述情况无法使用 buildClassifier() 实现，我想使用 updateClassifier(Instance instance) ，它一次获取一个实例，但我不想以顺序方式重新训练我的模型。我想以小批量模式重新训练（一次给出一组实例）。我如何使用 weka 做到这一点？或者是否有其他 java API 需要一组实例来更新 weka 库中的分类器？

Answer 1

buildClassifier

构建一个新的分类器，它不会更新当前的分类器。

Answer 2

您对此有任何解决方案吗？我也需要做同样的事情。