如何在Python中从sklearn中多次训练SVM分类器？

Question

如果可以在for循环中多次在Python中使用sklearn训练SVM分类器，我就会徘徊。 我记得以下内容：

for i in range(0,10):
    data = np.load(somedata)
    labels = np.load(somelabels)
    C = SVC()
    C.fit(data, labels)
    joblib.dump(C, 'somefolderpath/Model.pkl')

我希望我的模型能够针对10个数据及其标签中的每一个进行训练。 这是可能的，还是我必须将所有数据和标签附加到两个相应的数组中，其中包含我的10个项目中的整个数据和标签？

编辑 ：如果我想为每个科目训练一个单独的分类器。 那么上面的语法如何？ 我的编辑是否正确？ 当我想为我的特定主题加载特定训练分类器时，我能做到：

C = joblib.load('somefolderpath/Model.pkl')
idx = C.predict(data)

？

Answer 1

在任何scikit-learn估算器上调用fit将忘记所有先前看到的数据。 因此，如果您想使用所有数据（所有十个患者）进行预测，则需要先将其连接起来。 特别是，如果每somelabels只包含一个标签，代码是没有意义的，甚至可能错误，因为只有一类是存在的。