パーセプトロンは忘れることができますか？

ユーザーが分類されたサンプルを継続的に追加し、モデルをオンラインで更新できるオンラインWebベースの機械学習システムを構築したいと思います。パーセプトロンまたは同様のオンライン学習アルゴリズムを使用したいと思います。

しかし、ユーザーは間違いを犯し、無関係な例を挿入する場合があります。その場合、例のセット全体でパーセプトロンを再トレーニングすることなく、特定の例を削除するオプションが必要です（非常に大きい場合があります）。

これは可能ですか？

私がプロセスを理解しているように、再訓練せずにパーセプトロンを変更することは不可能です。ウェイト調整は、その特定の例に関連するだけでなく、以前に行った他のトレーニング例にも関連しています。誤って分類されたインスタンスを特定し、モデルを再トレーニングする前にテストセットから削除することが、重みを修正する最も効果的な方法と思われます。

他の機械学習アルゴリズムと比較して、パーセプトロンはノイズやトレーニングセット内の誤って分類されたインスタンスに対して比較的抵抗力があることを指摘する価値があると思います。多数の誤分類されたインスタンスが発生している場合、パーセプトロンが訓練された後に誤分類されたインスタンスを修正する何らかの方法を考え出すよりも、トレーニングの前にデータを取り込む時点でより良い検証を行う方が賢明と思われます。それが不可能で、誤って分類されたインスタンスを特定できた場合、それらを削除して再トレーニングすることが、誤って分類されたインスタンスの影響を効果的に除去する唯一の方法と思われます。