sklearn.LinearRegression 支持在线/增量学习吗？
sklearn.LinearRegression
我有100组数据，我试图完全实现它们 . 对于每个组，有超过10000个实例和~10个特征，因此如果我构造一个巨大的矩阵（10 ^ 6乘10），它将导致sklearn的内存错误 . 如果我每次都可以使用新组的批量样本更新回归量，那将是很好的 .
我发现this post相关，但是接受的解决方案适用于使用单个新数据（仅一个实例）而不是批量样本进行在线学习 .
看看 linear_model.SGDRegressor ，它使用随机梯度学习线性模型 .
一般来说，sklearn有许多模型允许“ partial_fit ”，它们对于不适合RAM的中型到大型数据集都非常有用 .
partial_fit
并非所有算法都可以逐步学习，而不会立即查看所有实例 . 也就是说，所有实现 partial_fit API的估算器都是小批量学习的候选者，也称为"online learning" .
Here是一篇关于增量学习的扩展策略的文章 . 为了您的目的，请查看sklearn.linear_model.SGDRegressor类 . 它是真正的在线，因此内存和收敛速度不受批量大小的影响 .
2 回答
看看 linear_model.SGDRegressor ，它使用随机梯度学习线性模型 .
一般来说，sklearn有许多模型允许“
partial_fit”，它们对于不适合RAM的中型到大型数据集都非常有用 .并非所有算法都可以逐步学习，而不会立即查看所有实例 . 也就是说，所有实现
partial_fitAPI的估算器都是小批量学习的候选者，也称为"online learning" .Here是一篇关于增量学习的扩展策略的文章 . 为了您的目的，请查看sklearn.linear_model.SGDRegressor类 . 它是真正的在线，因此内存和收敛速度不受批量大小的影响 .