我正在尝试实现主动学习机（一个项目的实验）算法，我想单独训练，请在下面查看我的代码。
clf = BernoulliNB()
clf.fit(X_train[0:40], y_train[0:40])
clf.fit(X_train[40:], y_train[40:])
上面一般是这样做的
clf = BernoulliNB()
clf.fit(X_train, y_train)
两者都有不同的准确度得分。我想将训练数据添加到现有模型本身，因为它的计算成本很高 - 我不希望我的模型再进行一次计算。
有什么办法吗？
【问题讨论】：
标签： numpy machine-learning parallel-processing scikit-learn
这称为用于大数据的在线培训或增量学习。请参阅此page for strategies。
基本上，在 scikit-learn 中，您需要预先知道 partial_fit() 和 y 中的所有标签。
partial_fit(X, y, classes=None, sample_weight=None)
classes : array-like, shape = [n_classes] (default=None)可能出现在 y 向量中的所有类的列表。必须在第一次调用 partial_fit 时提供，在后续调用中可以省略。
如果你只是这样做：
clf.partial_fit(X_train[0:40], y_train[0:40])
clf.partial_fit(X_train[40:], y_train[40:])
那么，如果前 40 个样本中不存在任何类，并且出现在 partial_fit() 的下一次迭代中，那么它可能会抛出错误。
所以理想情况下你应该这样做：
# First call
clf.partial_fit(X_train[0:40], y_train[0:40], classes = np.unique(y_train))
# subsequent calls
clf.partial_fit(X_train[40:80], y_train[40:80])
clf.partial_fit(X_train[80:], y_train[80:])
and so on..
【讨论】：
您应该使用 partial_fit 批量训练您的模型。
clf = BernoulliNB()
clf.partial_fit(X_train[0:40], y_train[0:40])
clf.partial_fit(X_train[40:], y_train[40:])
请查看this了解更多功能。
希望这会有所帮助:)
【讨论】：