Python 在同一个模型上多次调用fit（）有什么作用？

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？它是否适合数据上的模型，就像我刚刚重新实例化模型一样（即从头开始），还是将上一次调用

fit（）

时已经适合的数据保存到帐户中

---

尝试使用

LinearRegression

（同时查看其源代码）在我看来，每次调用

fit（）

，它都是从头开始拟合的，忽略了以前对同一方法的任何调用的结果。我想知道这在一般情况下是否正确，我可以依赖于scikit学习的所有模型/管道的这种行为。

如果您将再次执行

model.fit（X\u train，y\u train）

-它将覆盖所有以前拟合的系数、权重、截距（bias）等

---

如果您只想拟合数据集的一部分，然后通过拟合新数据来改进模型，那么您可以使用在机器学习中可以互换地使用术语fit（）和train（）word。根据您已实例化的分类模型，可能是

clf=GBNaiveBayes（）

或

clf=SVC（）

，您的模型使用指定的机器学习技术。
一旦您调用

clf.fit（features\u train，label\u train）

您的模型就开始使用您通过的特性和标签进行训练

您可以使用

clf.predict（功能测试）

进行预测。
如果再次调用

clf.fit（功能\u train2，标签\u train2）

它将使用传递的数据再次开始训练，并将删除以前的结果。您的模型将重置以下内部模型：

• 砝码
• 拟合系数
• 偏倚
• 和其他培训相关的东西

---

如果您希望保留以前计算的数据并使用下一个数据进行额外训练，您也可以使用partial_fit（）方法

一些估计器（具有

warm_start

参数）将重用以前调用

fit（）的解决方案

作为新调用的初始解决方案，当

warm\u start=True

@VivekKumar，是的，这是真的。但对于“线性模型”算法（如LogisticRegression），之前拟合的系数将仅用于初始化步骤，因此它们也将/可能被覆盖是的，这就是我的意思。感谢我们在KNN中使用了部分匹配？断开的链接，我相信新位置是