【发布时间】：2016-05-23 17:59:52
【问题描述】：
奇怪的是，fit 和 partial_fit 的代码似乎完全相同。
您可以在以下链接查看代码：
https://github.com/scikit-learn/scikit-learn/blob/c957249/sklearn/decomposition/online_lda.py#L478
【问题讨论】：
标签： python scikit-learn
【发布时间】：2016-05-23 17:59:52
【问题描述】：
不完全相同的代码； partial_fit 使用total_samples：
" total_samples ：int，可选（默认= 1e6） 文档总数。仅在 partial_fit 方法中使用。”
https://github.com/scikit-learn/scikit-learn/blob/c957249/sklearn/decomposition/online_lda.py#L184
（部分拟合）https://github.com/scikit-learn/scikit-learn/blob/c957249/sklearn/decomposition/online_lda.py#L472
（适合）https://github.com/scikit-learn/scikit-learn/blob/c957249/sklearn/decomposition/online_lda.py#L510
以防万一您感兴趣：partial_fit 是一个很好的候选者，可以在您的数据集非常大时使用。因此，您不必遇到可能的内存问题，而是以较小的批次进行拟合，这称为增量学习。
因此，在您的情况下，您应该考虑total_samples 默认值是1000000.0。因此，如果您不更改此数字并且您的实际样本数更大，那么您将从fit 方法和fit_partial 获得不同的结果。或者可能是您在fit_partial 中使用小批量，而不是涵盖您提供给fit 方法的所有样本。即使你做对了，你也可能得到不同的结果，如文档中所述：
- “增量学习器本身可能无法处理新的/看不见的目标类。在这种情况下，您必须使用 classes= 参数将所有可能的类传递给第一个 partial_fit 调用。”
- “[...] 选择合适的算法是因为随着时间的推移，它们不会对每个示例赋予相同的重要性 [...]”
sklearn 文档：https://scikit-learn.org/0.15/modules/scaling_strategies.html#incremental-learning
【讨论】：