使用 scikit-learn 重新拟合 SVM

【问题标题】：Refitting SVM using scikit-learn使用 scikit-learn 重新拟合 SVM
【发布时间】：2016-02-05 14:56:52
【问题描述】：

我正在尝试实现基于 scikit-learn 和支持向量机的增量学习算法。

但似乎每次我调用 fit(x,y) 函数时都会构造一个新模型而不是添加到其中。有没有办法做到这一点？

我的代码如下所示：

from sklearn import svm

clf=svm.SVM()
for i in range(0,10)
clf.fit([[0,i],[i,0]],[0,1])

非常感谢！

【问题讨论】：

【解决方案1】：

简而言之 - 不。 Scikit-learn 不支持 SVM 的增量训练（在 scikit-learn 中称为 .partial_fit）（除非您想使用线性 SVM，并使用 SGD http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.SGDClassifier.html 对其进行训练）。一般来说，以增量方式训练核化 SVM 是相当复杂的。

【讨论】：