我使用Sci-Kit Learn构建了一个K-Means聚类模型。我需要每天使用新数据重新训练现有模型。

我寻找任何可以用来重新训练现有模型的技术，但没有找到任何直接的方法来做到这一点。

由于我每天都会收到大量的数据集，我无法从头开始重新训练模型，因为这在长期来看是不切实际的。因此，我需要一种方法来使用新数据重新训练现有模型。

回答：

你可以考虑使用在线学习技术来解决这个问题。许多scikit-learn算法有一个选项可以对数据进行partial_fit，这意味着你可以增量地在小批量数据上进行训练。

在你的情况下，你可以使用sklearn.cluster.MiniBatchKMeans，它通过在每次迭代中取样本的一部分（批次）来更新模型参数，从而使其成为在线学习问题的自然候选者。然而，模型仍然必须通过partial_fit方法进行训练，否则它将重新训练整个模型。