Python 如何避免重新训练机器学习模型

我是自学成才

我正在构建一个预测事件的web应用程序

让我们来考虑这个快速的例子。

X = [[0], [1], [2], [3]]
y = [0, 0, 1, 1]
from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X, y) 

print(neigh.predict([[1.1]]))

---

如何保持

neigh

的状态，以便在输入新值（如

neigh.predict（[[1.2]]）

时，无需重新训练模型。是否有良好的实践或提示开始解决问题

出于几个原因，您选择了一个稍微令人困惑的示例。首先，当你说

neigh.predict（[[1.2]]）

时，你不是在添加一个新的训练点，你只是在做一个新的预测，所以这根本不需要任何更改。第二，KNN算法不是真正的“训练”——KNN是一种算法，这意味着“训练”相当于将训练数据存储在一个合适的结构中。因此，这个问题有两个不同的答案。我先试着回答KNN的问题

K近邻

对于KNN，添加新的训练数据相当于向结构中添加新的数据点。但是，

scikit-learn

似乎不提供任何此类功能。（这很合理——因为KNN显式地存储每个训练点，所以不能无限期地为其提供新的训练点。）

如果您没有使用很多培训点，那么一个简单的列表可能足以满足您的需要！在这种情况下，您可以完全跳过

sklearn

，只需将新数据点附加到列表中即可。要进行预测，请进行线性搜索，保存

k

最近邻，然后根据简单的“多数票”进行预测——如果五个邻居中有三个或更多是红色的，则返回红色，依此类推。但请记住，您添加的每个训练点都会减慢算法的速度

如果需要使用多个训练点，则需要使用更有效的结构进行最近邻搜索，例如。有一个K-D树实现应该可以工作。

query

方法允许您查找

k

最近邻。它将比列表更有效，但随着您添加更多的培训数据，它仍然会变得更慢

在线学习

对于你的问题，一个更一般的答案是你（自己都不知道）正在尝试做一件叫做“爱”的事情。在线学习算法允许您在单个训练点到达时使用它们，并在使用后丢弃它们。为了让这变得有意义，您需要存储的不是训练点本身（如KNN），而是一组参数，您可以对其进行优化

---

这意味着一些算法比其他算法更适合这种情况

sklearn

只提供了一些算法。这些都有一个

partial_fit

方法，允许您成批传递培训数据。带有

'hunge'

或

'log'

的损失可能是一个很好的起点

或者您只是想在安装后保存模型

joblib.dump(neigh, FName)

并在需要时加载

neigh = joblib.load(FName)
neigh.predict([[1.1]])

---

这似乎是基于与我不同的问题解释@用户3378649，你能澄清哪种解释是正确的吗？如果您只是想在应用程序结束前保存模型，并在应用程序再次启动时加载模型，那么这个答案很好。（但如果您想添加更多培训数据，我的仍然适用。）@enderle这应该是正确的答案！我有一个GO trainig数据集，我不想每次当用户点击“预测”底部时都重新训练模型。