Python 3.x 如何用python中的新数据重新训练AdaBoostClassifier?

Python 3.x 如何用python中的新数据重新训练AdaBoostClassifier?,python-3.x,scikit-learn,adaboost,Python 3.x,Scikit Learn,Adaboost,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 对于随机森林,我使用warm\u start=True。其中不直接支持AdaBoostClassifier 您似乎想要执行增量学习。在sklearn中,无法使用AdaBoost执行此操作 列出了实现增量学习的算法。您会注意到这些算法实现了方法partial\u 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1周)重新训练模型。感谢N

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

对于随机森林,我使用warm\u start=True。其中不直接支持AdaBoostClassifier


您似乎想要执行增量学习。在sklearn中,无法使用AdaBoost执行此操作

列出了实现增量学习的算法。您会注意到这些算法实现了方法
partial\u 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1周)重新训练模型。

感谢Noki的回复。这就是我想要的。