如何在 scikit-learn 中继续训练 svm 和 knn？答案

【问题标题】：How to continue training svm and knn in scikit-learn?如何在 scikit-learn 中继续训练 svm 和 knn？
【发布时间】：2017-04-16 01:16:17
【问题描述】：

在训练之后，因为它花费了很多时间，有没有办法让我继续我的训练并在 scikitlearn 中使用 nusvc() 和nearestneighbor() 添加样本？

【问题讨论】：

您始终可以使用 pickle 或 sklearns tune model persistence functions 保存整个分类器。这允许您将整个对象加载回来。当然，您可以从给定的权重再次使用 warm_starting 进行训练。如果基础估计器尚未为此做好准备（添加新数据），则可能存在限制。一个可能的例子：您的新数据包含一个目标标签。这是有问题的。
如果班级数量相同，有没有更简单的方法可以用更少的时间重新训练它？
阅读this for a start。

【解决方案1】：

对于 SVM，您也许可以使用 SGDClassifier 类的 online learning 功能。为此，您需要使用partial_fit() 函数。

【讨论】：

最近邻（）呢？
我在 scikit 文档（下面的链接）中没有看到该特定功能。 scikit KNN 方法似乎没有部分拟合。在所有数据上重新训练 KNN 需要多长时间？ scikit-learn.org/stable/modules/…
我错了。 LSH KNN 类确实有部分拟合。我会阅读 scikit 关于此功能的文档，并根据您的数据对其进行测试，看看它是否适合您。 scikit-learn.org/stable/modules/generated/…
谢谢，但是先生，我首先要解决我的 kmeans() 中的内存错误，当我对代码字进行聚类时，我得到了内存错误....对于 k=10000，我有 6gb ram
但它运行在 k=1000。