在同一个模型上多次调用fit（）有什么作用？

Question

在我实例化一个scikit模型（例如LinearRegression）之后，如果我多次调用它的fit()方法（使用不同的X和y数据），会发生什么？它是否与数据匹配，就像我只是重新实例化了模型（即从头开始）一样，还是将上次调用fit()时已经匹配的数据保存到帐户中？

尝试使用LinearRegression（同时查看它的源代码）在我看来，每次调用fit()时，它都是从头开始的，忽略了以前对同一方法的任何调用的结果。我想知道这是否在一般情况下是真的，我可以依赖于scikit学习的所有模型/管道的这种行为。

Answer 1

如果您将第二次执行model.fit(X_train, y_train)，它将覆盖所有先前拟合的系数、权重、截距（偏差）等

如果您只想适应数据集的一部分，然后通过适应新数据来改进模型，那么您可以使用estimators, supporting "Incremental learning" (those, that implement ^{} method)

Answer 2

您可以在机器学习中交替使用术语fit（）和train（）单词。基于您已经实例化的分类模型，可能是clf = GBNaiveBayes()或clf = SVC()，您的模型使用指定的机器学习技术。
一旦你调用clf.fit(features_train, label_train)你的模型就开始使用你已经通过的特性和标签进行训练。

你可以用clf.predict(features_test)来预测 如果您再次调用clf.fit(features_train2, label_train2)，它将使用传递的数据再次开始训练，并删除以前的结果。您的模型将重置以下内部模型：

• 重量
• 拟合系数
• 偏倚
• 以及其他与训练相关的东西。。。

如果希望保留以前计算的内容并使用下一个数据进行额外的训练，也可以使用partial_fit（）方法