model初始训练后如何添加训练数据？

Question

我正在尝试为我的 scikit-learn model 添加数据。 例如，我有我一开始使用的数据（大约有 250 个）。 之后，我需要通过调用 function 再次训练这个 model，依此类推。 我唯一想到的是每次都为现有数据数组添加新值并再次训练 model，但这非常耗费资源并且需要更多时间。

还有另一种训练机器学习 model 的方法吗？

model = LinearRegression().fit(test, result)
reg.predict(task)
### and here I want to add some data, for example one or two examples like:
model.addFit(one_test, one_result)

Answer 1

在您的案例中，简短的回答（使用sklearn.linear_model.LinearRegression模型）是否定的，如果不将其添加到原始训练集中并同时对其进行拟合，则不可能再添加一两个示例并进行训练。 在引擎盖下，model 只是使用普通最小二乘法（此处描述），它需要完整的训练数据矩阵来拟合您的 model。但是，该算法非常快，并且在大约数百个训练示例的情况下，它用每个新的例子重新计算 model 的参数会很快。