machine-learning - Scikit-learn 支持迁移学习吗？

Question

是否Scikit-learn支持迁移学习？请检查以下代码。
型号 clf由 fit(X,y) 获取
jar 头型号clf2在clf的基础上学习和转移学习 fit(X2,y2) ?

>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> X, y= ....
>>> clf.fit(X, y)
SVC()

>>> import pickle
>>> s = pickle.dumps(clf)
>>> clf2 = pickle.loads(s)
>>> clf2.fit(X2,y2)

>>> clf2.predict(X[0:1])

Answer 1

在 scikit-learn 的上下文中没有迁移学习，而是增量学习或持续学习或在线学习。
通过查看您的代码，无论您打算做什么，都不会像您在这里想的那样工作。来自 this scikit-learn文档:

Calling fit() more than once will overwrite what was learned by anyprevious fit()

这意味着使用 fit()在同一模型上不止一次将简单地覆盖所有先前拟合的系数、权重、截距(偏差)等。
但是，如果您想拟合一部分数据集，然后通过拟合新数据来改进模型，您可以做的是查找 estimators包括 partial_fit API 实现。

If we call partial_fit() multiple times, framework will update theexisting weights instead of re-initialising them.

使用 scikit-learn 进行增量学习的另一种方法是寻找支持warm_start的算法范围。
来自 this文档:

warm_start: bool, default=False

When set to True, reuse the solution ofthe previous call to fit() as initialization, otherwise, just erase theprevious solution. Useless for liblinear solver.

另一个例子是 Random forrest regressor .