Fan*_*nta 19 python machine-learning scikit-learn
我实例化一个scikit模型之后(例如LinearRegression),如果我调用它的fit()方法多次(具有不同X和y数据),会发生什么？它是否适合数据模型,如果我只是重新实例化模型(即从头开始),或者它是否保留到之前调用已经适合的帐户数据中fit()？
尝试LinearRegression(也查看其源代码)在我看来,每次调用时fit(),它都适合从头开始,忽略之前调用同一方法的结果.我想知道这一般是否正确,并且我可以依赖于scikit学习的所有模型/管道的这种行为.
Max*_*axU 22
如果您将再次执行model.fit(X_train, y_train)- 它将覆盖所有先前拟合的系数,权重,截距(偏差)等.
如果您只想拟合数据集的一部分,然后通过拟合新数据来改进模型,那么您可以使用估算器,支持"增量学习"(那些,实现partial_fit()方法)
小智 5
您可以在机器学习中交替使用术语fit()和train()词。根据您实例化的分类模型，可能是clf = GBNaiveBayes()或clf = SVC()，您的模型使用指定的机器学习技术。
一旦你调用clf.fit(features_train, label_train)你的模型，就开始使用你传递的特征和标签进行训练。
你可以clf.predict(features_test)用来预测。
如果您再次调用clf.fit(features_train2, label_train2)它，它将使用传递的数据再次开始训练并删除之前的结果。您的模型将重置以下内部模型：
如果您希望保留之前计算的内容并另外使用下一个数据进行训练，您也可以使用partial_fit()方法
| 归档时间： |
|
| 查看次数： |
6480 次 |
| 最近记录： |