我正在尝试实现一个主动学习机器（一个项目的实验）算法，我希望分别进行训练，请查看我下面的代码。

clf = BernoulliNB()clf.fit(X_train[0:40], y_train[0:40])clf.fit(X_train[40:], y_train[40:])

通常以上操作会这样做

clf = BernoulliNB()clf.fit(X_train, y_train)

这两种方法的准确率得分不同。我希望将训练数据添加到现有模型中，因为重新计算成本高昂——我不希望我的模型再次进行计算。

有什么方法可以做到吗？

回答：

这被称为在线训练或增量学习，适用于大数据。请查看这个页面了解策略。

在scikit-learn中，你需要使用partial_fit()，并且提前知道y中的所有标签。

partial_fit(X, y, classes=None, sample_weight=None)

classes : array-like, shape = [n_classes] (default=None)

可能出现在y向量中的所有类的列表。必须在第一次调用partial_fit时提供，在后续调用中可以省略。

如果你只是这样做：

clf.partial_fit(X_train[0:40], y_train[0:40])clf.partial_fit(X_train[40:], y_train[40:])

那么如果在前40个样本中不存在的类在后续的partial_fit()调用中出现，就可能会抛出错误。

所以理想情况下你应该这样做：

# 第一次调用clf.partial_fit(X_train[0:40], y_train[0:40], classes = np.unique(y_train))# 后续调用clf.partial_fit(X_train[40:80], y_train[40:80])clf.partial_fit(X_train[80:], y_train[80:])依此类推..