使用 scikit-learn 重新拟合 SVM
Posted
技术标签:
【中文标题】使用 scikit-learn 重新拟合 SVM【英文标题】:Refitting SVM using scikit-learn 【发布时间】:2016-02-05 14:56:52 【问题描述】:我正在尝试实现基于 scikit-learn 和支持向量机的增量学习算法。
但似乎每次我调用 fit(x,y) 函数时都会构造一个新模型而不是添加到其中。有没有办法做到这一点?
我的代码如下所示:
from sklearn import svm
clf=svm.SVM()
for i in range(0,10)
clf.fit([[0,i],[i,0]],[0,1])
非常感谢!
【问题讨论】:
【参考方案1】:简而言之 - 不。
Scikit-learn 不支持 SVM 的增量训练(在 scikit-learn 中称为 .partial_fit
)(除非您想使用线性 SVM,并使用 SGD http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.SGDClassifier.html 对其进行训练)。一般来说,以增量方式训练核化 SVM 是相当复杂的。
【讨论】:
以上是关于使用 scikit-learn 重新拟合 SVM的主要内容,如果未能解决你的问题,请参考以下文章
分类器中的 scikit-learn refit/partial fit 选项
Scikit-Learn 逻辑回归严重过拟合数字分类训练数据
如何使用 scikit-learn 将多项式曲线拟合到数据中?