【问题标题】：Update a trained model in ML.NET在 ML.NET 中更新经过训练的模型
【发布时间】：2019-06-02 16:58:45
【问题描述】：

这个example 展示了如何使用矩阵分解来构建推荐系统。这个例子特别适用于只有两个相关 id 的数据集，比如对应用户购买的用户 id 和产品 id。

基于这个例子，我准备了如下的输入数据。

[UserId] [ProductId]
3　　　　1
3　　　　15
3　　　　23
5　　　　9
5　　　　1
8　　　　2
8　　　　1
.
.

并更改列名，使TextLoader。

var reader = ctx.Data.TextReader(new TextLoader.Arguments()
{
     Separator = "tab",
     HasHeader = true,
     Column = new[]
     {
              new TextLoader.Column("Label", DataKind.R4, 0),
              new TextLoader.Column("UserId", DataKind.U4, new [] { new TextLoader.Range(0) }, new KeyRange(0, 100000)),
              new TextLoader.Column("ProductId", DataKind.U4, new [] { new TextLoader.Range(1) }, new KeyRange(0, 300))
     }
     });

效果很好。它推荐目标用户可以购买的产品列表，并带有个人分数。但是，它不适用于初始输入数据中不存在的新客户数据，例如UserId 1，它会根据预测给出分数NaN。

重新训练模型可能是一个显而易见的答案，但每次有新数据进入时重新训练模型似乎是徒劳的。我认为肯定有一种方法可以更新现有模型，但我找不到相关文档、API 或随处取样。我最终离开了a question in the official github of ML.NET，但到目前为止我还没有得到任何答复。

问题很简单，简而言之，如何在 ML.NET 中更新经过训练的模型？链接相关信息源也将不胜感激。

【问题讨论】：

stackoverflow.com/questions/52470794/…

标签： machine-learning matrix-factorization ml.net

【解决方案1】：

在此特定示例中，由于正在执行的任务，您仅限于模型训练时所依据的观察范围，并且可以对该集合进行预测。正如你所提到的，一个很好的方法是重新训练。我自己没有尝试过，但您可能想尝试以下方法之一：

使用您要训练的新数据作为输入再次运行Fit 函数。模型不仅应该保留之前的训练，还应该使用您提供的其他数据重新训练。
将模型保存到文件，加载持久模型，运行Fit 函数，如上。

【讨论】：

我们是否确认在已经训练好的数据集上运行 Fit 可以达到我们预期的效果？如果没有，我会在今天晚些时候试一试，看看会发生什么。
那么，比尔，发生了什么事？
对此有何更新？

【解决方案2】：

截至 2021 年：

这里详细描述了重新训练的过程：https://docs.microsoft.com/en-us/dotnet/machine-learning/how-to-guides/retrain-model-ml-net

【讨论】：