Python 如何使用scikit学习中的新示例培训经过培训的模型？

我正在进行一项机器学习分类任务，在这项任务中，我用scikit学习中的不同算法训练了许多模型，而随机森林分类器表现最好。现在我想用新的例子进一步训练模型，但是如果我通过在新的例子上调用fit方法来训练同一个模型，那么它将通过删除旧的参数从一开始训练模型。 那么，我如何通过在scikit learn中使用新的示例来训练经过训练的模型呢

---

我在网上读了一些关于pickle和unpickle模型的文章后有了一些想法，但我不知道这有什么帮助。

有一个标志warm\u start。请注意，这不会产生与同时在两组上进行训练相同的结果

您应该使用和评估实现

部分拟合
API。
将新数据附加到现有数据集中，并对整个过程进行培训。可能需要为您的测试集保留一些新数据。
可能这里提出的建议会有所帮助。在这里提问之前，我已经检查了该页面，该问题的答案没有帮助。要在新数据上训练模型，我必须创建另一个模型（RandomForestClassifier类的对象）那么，如果我将它设置为warm_start=True，那么它如何从另一个模型获取参数呢？这不是我的目标，为什么我要一次又一次地训练我的整个数据集呢！因为这是最简单的解决方案。无论添加多少额外的示例，其工作方式都是相同的。