如何使用 tensorflow 或 keras 重新训练具有新子集的线性回归模型?
Posted
技术标签:
【中文标题】如何使用 tensorflow 或 keras 重新训练具有新子集的线性回归模型?【英文标题】:How to do retrain a linear regression model with a new subset using tensorflow or keras? 【发布时间】:2021-03-24 21:14:59 【问题描述】:我有 100 Gb 的数据并将其分成小的子集。我想使用新的子集以增量方式训练模型,直到所有算法都在所有子集上训练。我如何才能实现这个 TensorFlow 或 sklearn?
【问题讨论】:
【参考方案1】:一些scikit-learn
模型确实支持通过partial_fit
方法进行增量学习。一种流行的选择是随机梯度下降法,它可以最小化一次查看一个数据样本的损失函数。这是一个示例,假设您有两个可以连续加载到内存的数据块,(X1, y1), (X2, y2)
。
from sklearn.linear_model import SGDRegressor
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
sgd = SGDRegressor(random_state=42)
X1_scaled = scaler.partial_fit(X1).transform(X1)
sgd.partial_fit(X1_scaled, y1)
X2_scaled = scaler.partial_fit(X2).transform(X2)
sgd.partial_fit(X2_scaled, y2)
【讨论】:
以上是关于如何使用 tensorflow 或 keras 重新训练具有新子集的线性回归模型?的主要内容,如果未能解决你的问题,请参考以下文章
如何在 TensorFlow、Keras 或 PyTorch 中部署 CoreML 模型?
如何将训练有素的 Tensorflow 模型转换为 Keras?
如何将 Keras .h5 导出到 tensorflow .pb?
如何在 Python 2.7.18 中安装 Keras 和 Tensorflow?