如何使用 python 中的新数据重新训练 AdaBoostClassifier?
How to retrain AdaBoostClassifier with new data in python?
场景:今天我用过去 1 周的数据训练 AdaBoostClassifier,下周需要用新的 1 周数据训练现有的训练分类器。
对于 Randomforest,我使用 warm_start=True。其中不直接支持 AdaBoostClassifier。
https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html
看来您想进行增量学习。在 sklearn 中,无法使用 AdaBoost 执行它。
已实现增量学习的算法已列出here。您会注意到这些算法实现了方法 partial_fit()
.
如果您想继续使用 AdaBoostClassifier,您应该使用所有数据(过去 1 周和新的 1 周)重新训练模型。
场景:今天我用过去 1 周的数据训练 AdaBoostClassifier,下周需要用新的 1 周数据训练现有的训练分类器。
对于 Randomforest,我使用 warm_start=True。其中不直接支持 AdaBoostClassifier。
https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html
看来您想进行增量学习。在 sklearn 中,无法使用 AdaBoost 执行它。
已实现增量学习的算法已列出here。您会注意到这些算法实现了方法 partial_fit()
.
如果您想继续使用 AdaBoostClassifier,您应该使用所有数据(过去 1 周和新的 1 周)重新训练模型。