我使用 Sci-Kit Learn 构建了一个 k-means 聚类模型。我需要每天使用新数据重新训练现有模型。
我寻找任何可用于重新训练现有模型的技术，但我找不到任何直接的方法。
由于我每天都在获取大型数据集，因此我无法从一开始就重新训练模型，因为从长远来看它不实用。因此，我需要一种可用于使用新数据重新训练现有模型的方法。
【问题讨论】：
标签： python machine-learning scikit-learn k-means pre-trained-model
你想看看在线学习技术。许多scikit-learn algorithms有一个选项可以在数据的partial_fit，这意味着您可以在少量数据上逐步逐步训练。
在您的情况下，您可以使用sklearn.cluster.MiniBatchKMeans，通过拍摄样本（批量）的一小部分来培训，以更新每次迭代的模型的参数，从而使其成为在线学习问题的自然候选者。但是，该模型仍然必须通过方法partial_fit，否则它将重新启动整个模型。
【讨论】：
不是每个 scikit 算法都提供部分训练，这个不允许你重新训练它。
也许有一种解决方法适合您：
您可以使用fit方法，只将新点应用于现有集群。由于您的数据集相当大，也许这在一开始是有道理的，因为每次添加新数据时，肯定存在集群质量下降的风险。
另一种选择是为 k-means 编写一个手动函数，它检查新点并仅过滤附近的点以进行调整或使用小批量算法：https://scikit-learn.org/stable/modules/generated/sklearn.cluster.MiniBatchKMeans.html。
【讨论】：