Python 如何在单个训练期间保存和快照机器学习模型？

我必须在有7天时间限制的集群上运行我的模型，如果计算成本超过7天，作业将在集群上结束。因此，将不会完成训练以获得保存的预测模型

我正在从

scikit learn

培训一些分类器模型（如SVC、KNeighborsClassifier等），并想知道是否有函数或库用于在特定持续时间之间对模型进行快照，然后从停止的点继续培训（类似于深度学习中应用的内容）

---

谢谢

一般来说，在scikit learn中不可能在安装过程中拍摄快照。这家图书馆提供的服务有限。可以增量训练某些模型，但不能训练其他模型。对于可能的模型，您必须编写不同数量的锅炉铭牌代码

下面列出的型号具有用于此目的的

warm\u start

属性和/或

.partial\u fit（）

方法。您可以在成批数据的循环中调用

partial\u fit

。此外，您需要编写代码来存储和检索培训进度和部分培训的模型（有关模型持久性的更多信息，请参阅）

---

一些模型（特别是集合，如随机森林）原则上可以合并。因此，您可以在一个循环中训练多个独立的模型实例，然后合并它们，而不是增量地训练一个模型。然而，据我所知，scikit学习API不支持这种合并。因此，虽然有可能做到这一点，但它需要破解私有属性和深入了解模型的数学和实现。

谢谢，增量学习不是适用于少数有限的分类器（根据列表）吗？例如，此方法不能在SVC模型上执行，对吗？@S.EB。SVC是一个问题；它不支持增量学习，我不认为有办法合并独立培训的SVC。经验法则：只有使用迭代训练（如梯度下降）的模型才能增量训练。