问题的根源很普遍：
存在大量火车数据，这些数据是按块读取的。兴趣点是将所需模型顺序拟合到分块数据集上，并保持先前拟合的状态。
除了partial_fit()在不同数据上使用sklearn拟合模型之外，是否还有其他方法？还是有任何技巧可以重写fit()功能代码以针对此问题进行自定义？还是有可能认识到pickle？
有些模型可以公开partial_fit()而其他模型则不公开，这是有原因的。每个模型都是不同的机器学习算法，对于这些算法中的许多算法，只有在没有从头开始重新计算模型的情况下，才能添加元素。
因此，如果您必须逐步拟合模型，请选择具有的增量模型partial_fit()。您可以在此文档页面上找到完整列表。
或者，您可以构建整体模型。创建一个单独的Classifier()或Regression()为您的数据的每一个块。然后，当您需要预测某些事情时，您可以
for classifier in classifiers:
votes[classifier.predict(X)] += 1
prediction = numpy.argmax(votes)
或者，对于回归者
prediction = numpy.mean([regressor.predict(X) for regressor in regressors]
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句