一連のオブジェクトをリンゴ、オレンジ、バナナのいずれかに分類するのに十分なデータを提供した場合、その分類を行うことができるSVMを構築するのにどのくらい時間がかかりますか？それはおそらくデータの性質に依存することを理解していますが、私たちは数時間、数日、または数週間話している可能性が高いですか？
Ok。そのSVMがあり、データの動作を理解したので、そのSVMをアップグレード（または新しいものを構築）して追加のクラス（トマト）も分類するのにどのくらい時間がかかるでしょうか？秒？分？時間？
この質問の動機は、すべてのデータをいつでもサンプリングできるわけではない状況に対するSVMの実際的な適合性を評価しようとすることです。果物は明らかなケースです-それらは季節とともに色と入手可能性を変えます。
問題のあるドメインでの経験にもかかわらず、SVMが面倒で5分以内にオンデマンドで作成できないと予想される場合は、そのような状況でよりユーザーフレンドリーな形式の分類子を提案していただければ幸いです。
一般に、1対多数のSVM分類器にクラスを追加するには、すべてのクラスを再トレーニングする必要があります。大規模なデータセットの場合、これは非常に高価になる可能性があります。現実の世界では、非常に大きなデータセットに直面する場合、パフォーマンスと柔軟性が最先端の精度よりも重要である場合、ナイーブベイズが非常に広く使用されています（NB分類器にクラスを追加するには、新しいクラスのトレーニングのみが必要です） ）。
ただし、データには数十の次元と最大数千のサンプルがあるというコメントによると、問題は比較的小さいため、実際には、SVMの再トレーニングは非常に高速に（おそらく数秒から数十秒のオーダーで）実行できます。 ）。
SVMをかなり迅速にトレーニングできる（サードパーソンシューティングゲームでリアルタイムにトレーニングでき、待ち時間がない）シナリオが多すぎるため、問題について詳しく説明する必要があります。分（トレーニングに1時間かかった顔検出器のケースがあります）
経験則として、トレーニング時間はサンプルの数と各ベクトルの次元に比例します。