如何将机器学习模型快速更新为 R 中的新训练数据？ [关闭]答案

【问题标题】：How to quick update machine learning models to new training data in R? [closed]如何将机器学习模型快速更新为 R 中的新训练数据？ [关闭]
【发布时间】：2019-05-06 19:40:04
【问题描述】：

我的问题是如何实时更新学习模型？例如，当有新数据可用时，我想每 5 分钟更新一次模型，而无需再次完全重新训练模型（由于服务器负载过重）。 R中是否有一些包装可以做到这一点？在此先感谢

【问题讨论】：

类似于带有计时器的无限循环？
@user2974951，我想它是某个包中的一个函数，比如插入符号“update.train”，它可以在没有完全重新训练的情况下更新模型，但不幸的是“update.train” " 仅适用于更新调整参数。但我需要更新模型中的训练数据。
通过向模型添加新结果而不更改所有先前结果来更新模型仅适用于某些特定算法。您需要向我们提供具体信息。
现在我使用 RF，进行二元分类，在模型中使用名义和数字预测变量
如果您使用的是randomForest 包，那么您可以使用包中的grow() 函数。

标签： r machine-learning r-caret

【解决方案1】：

在 R 中，h2o 包可以做到这一点，但仅限于 GBM、深度学习和 DRF（分布式随机森林）。在这些模型中，可以选择指定检查点：

检查点选项允许您指定关联的模型键使用先前训练的模型。这将建立一个新模型作为延续之前生成的模型。

但是请检查帮助文件，因为您可以额外训练的内容以及执行此操作时无法更改的超参数存在限制。

更多信息可以found here。

【讨论】：

谢谢你的帮助，我会看的