model初始訓練后如何添加訓練數據？

Question

我正在嘗試為我的 scikit-learn model 添加數據。 例如，我有我一開始使用的數據（大約有 250 個）。 之后，我需要通過調用 function 再次訓練這個 model，依此類推。 我唯一想到的是每次都為現有數據數組添加新值並再次訓練 model，但這非常耗費資源並且需要更多時間。

還有另一種訓練機器學習 model 的方法嗎？

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，簡短的回答（使用sklearn.linear_model.LinearRegression模型）是否定的，如果不將其添加到原始訓練集中並同時對其進行擬合，則不可能再添加一兩個示例並進行訓練。 在引擎蓋下，model 只是使用普通最小二乘法（此處描述），它需要完整的訓練數據矩陣來擬合您的 model。但是，該算法非常快，並且在大約數百個訓練示例的情況下，它用每個新的例子重新計算 model 的參數會很快。