我想在scikit-learn中以在线方式训练PassiveAggressiveClassifier。

我想知道实例化这个分类器的正确方法是否是

PA_I_online = PassiveAggressiveClassifier(warm_start=True)

根据文档

warm_start : bool, optional当设置为True时，使用上次调用fit的解决方案作为初始化，否则，仅擦除之前的解决方案。 

这正是在线/增量设置中所需的 – 在下一个数据点上继续训练模型。

但在示例中，它被实例化为

'Passive-Aggressive': PassiveAggressiveClassifier()

同样在这个代码中也是如此

注意，根据文档，warm_start的默认值为False

我是不是遗漏了什么？

我的在线训练的完整代码片段是：

# 给定X_train, y_train, X_test和y_test, labelsPA_I_online = PassiveAggressiveClassifier(loss='hinge', warm_start=True)no_of_samples = len(X_train)no_of_classes= np.unique(labels)for i in range(no_of_samples):    #获取第i个数据点    X_i = X_train[i]    y_i = y_train[i]    #重塑它    X_i = X_i.reshape(1,300)    y_i = y_i.reshape(1,)    #消费数据点     PA_I_online.partial_fit(X_i, y_i, no_of_classes)

关键：使用PassiveAggressiveClassifier()进行在线训练时，是不是必须设置参数warm_start=True

回答：

当你使用partial_fit()时，模型在任何情况下都不会被重新初始化。文档中关于fit()方法的说明，默认情况下会重置模型参数并从头开始训练。warm_start=True更多是为fit()方法设计的。

你可能会发现这个讨论对进一步了解很有帮助。