初始训练后如何将训练数据添加到模型中？答案

【问题标题】：How to add training data to the model after initial training?初始训练后如何将训练数据添加到模型中？
【发布时间】：2021-10-24 01:10:38
【问题描述】：

我正在尝试在我的 scikit-learn 模型经过训练后为其添加数据。例如，我有我一开始使用的数据（大约有 250 个）。之后，我需要通过调用该函数再次训练这个模型，以此类推。我唯一想到的就是每次都在现有的数据数组中添加新的值，然后再次训练模型，但这非常耗费资源，需要更多时间。

还有其他方法可以训练机器学习模型吗？

model = LinearRegression().fit(test, result)
reg.predict(task)
### and here I want to add some data, for example one or two examples like:
model.addFit(one_test, one_result)

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

在您的情况下（使用sklearn.linear_model.LinearRegression 模型）的简短答案是不，如果不将其添加到原始训练集中并全部拟合，就不可能再添加一两个示例并进行训练 Under the hood，该模型只是使用普通最小二乘法（描述为 here），它需要完整的训练数据矩阵来拟合您的模型。然而，这个算法非常快，并且在大约数百个训练示例的情况下，使用每个新的示例重新计算模型的参数会非常快。

【讨论】：