如何重新训练现有的 K-Means 聚类模型
How do I re-train an existing K-Means clustering model
我使用 Sci-Kit Learn 构建了一个 k-means 聚类模型。我需要每天使用新数据重新训练现有模型。
我寻找任何可用于重新训练现有模型的技术，但找不到任何直接的方法。
因为我每天都在获取大量数据集，所以我无法从头开始重新训练模型，因为长时间 运行 不切实际。因此，我需要一种可用于使用新数据重新训练现有模型的方法。
并不是每个 scikit 算法都提供部分训练，这个不允许你重新训练它。
也许有一种解决方法适合您：
您可以使用fit方法，只将新点应用于现有集群。由于您的数据集很大，一开始这可能是有意义的，因为每次添加新数据时，集群质量都会下降的风险肯定存在。
另一种选择是为 k-means 编写一个手动函数，它检查新点并仅过滤附近的点以进行调整或使用小批量算法：https://scikit-learn.org/stable/modules/generated/sklearn.cluster.MiniBatchKMeans.html.
你想看看 在线学习 技术。许多 scikit-learn 算法可以选择对数据进行 partial_fit，这意味着您可以对小批量数据进行增量训练。
在您的情况下，您可以使用 sklearn.cluster.MiniBatchKMeans，它是通过抽取一小部分样本（批次）来训练的，以在每次迭代中更新模型的参数，从而使其成为在线的自然候选者学习问题。但是模型还是要通过partial_fit的方式训练的，否则会重新训练整个模型。
我使用 Sci-Kit Learn 构建了一个 k-means 聚类模型。我需要每天使用新数据重新训练现有模型。
我寻找任何可用于重新训练现有模型的技术，但找不到任何直接的方法。
因为我每天都在获取大量数据集，所以我无法从头开始重新训练模型，因为长时间 运行 不切实际。因此，我需要一种可用于使用新数据重新训练现有模型的方法。
并不是每个 scikit 算法都提供部分训练，这个不允许你重新训练它。
也许有一种解决方法适合您：
您可以使用fit方法，只将新点应用于现有集群。由于您的数据集很大，一开始这可能是有意义的，因为每次添加新数据时，集群质量都会下降的风险肯定存在。
另一种选择是为 k-means 编写一个手动函数，它检查新点并仅过滤附近的点以进行调整或使用小批量算法：https://scikit-learn.org/stable/modules/generated/sklearn.cluster.MiniBatchKMeans.html.
你想看看 在线学习 技术。许多 scikit-learn 算法可以选择对数据进行 partial_fit，这意味着您可以对小批量数据进行增量训练。
在您的情况下，您可以使用 sklearn.cluster.MiniBatchKMeans，它是通过抽取一小部分样本（批次）来训练的，以在每次迭代中更新模型的参数，从而使其成为在线的自然候选者学习问题。但是模型还是要通过partial_fit的方式训练的，否则会重新训练整个模型。