r - R 中的在线机器学习

Question

已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足 Stack Overflow guidelines 。目前不接受答案。

---

我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题，以便用事实和引文来回答。

已关闭 4 年前。

Improve this question

我在 R 插入符中有一个 ensemebel 算法，工作正常，但我想考虑新的传入数据。我想避免使用所有数据(新旧数据)重新学习算法。

library(caret)
data <- iris
model <- train(Species ~.,data=data[1:145,],method="rf",trControl=trainControl(method="boot",number=10))

## now assume that we get data[146,1:4] after we have completed our model and
## after some time we learn what was the correct outcome. I want to include that
## knowledge into existing algorithm.

# I want to avoid the following call because it is too time consuming;
train(Species ~.,data=data[1:146,],method="rf",trControl=trainControl(method="boot",number=10))

我正在寻找类似partial_fit形式的python SGDClassifier或任何其他建议。

谢谢。

编辑:我尝试应用答案的帮助并得到这个:

library(caret)
data <- iris
model <- train(Species ~.,data=data[1:120,],method="rf",trControl=trainControl(method="boot",number=10))
a <- (predict(model,newdata=data[121:150,1:4])==data[121:150,5])
print(a)
previousModel <- model  # load previously saved model object
previousModel$trainingData <- data # change training data to new data
newModel <- update(object = previousModel,forceRefit=T)
b <- (predict(newModel,newdata=data[121:150,1:4])==data[121:150,5])
all(a==b)


 [1]  TRUE FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE  TRUE
[13]  TRUE FALSE FALSE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
[25]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
### prediction is not perfect
[1] TRUE # after including newdata, nothing changes.. why?

Answer 1

我认为只有一个更新训练参数的函数:

previousModel <- readRDS("....xxx.rds")  # load previously saved model object
previousModel$trainingData <- trainData # change training data to new data
newModel <- update(object = previousModel)

关于基于新训练数据的更新，我通过选项 forceRefit 找到了此 train.update 的 issue and fix，即使没有更改，模型也会更新在TrainingParameters中(代码可见here)。

我希望这对您有所帮助，您可以从那里获取它。