Scikit learn 多输出XGB的增量学习

我尝试使用XGB进行增量学习，并使用Sklearn的MultiOutputRegressor进行包装，以获得多类回归：

# For instance
# X = np.zeros((1, 8)
# y = np.zeros((1, 32)

multi_model = MultiOutputRegressor(
            xgb.XGBRegressor(objective='reg:squarederror')
            ).fit(X, y)

但是，如果我反复调用multimodel.fit（X_new，y_new），它会创建一个新模型，而不会执行增量学习

我尝试使用“partial_fit（）”并在.fit函数中指定“multi_model”，但这两种解决方案都不受支持

---

如何使用多类XGB实现增量学习？

您是否尝试过保存和重用以前保存的模型，并将其传递给合适的人（XGB\u模型='trained\u XGB\u model.model'）

您是否尝试过保存和重用以前保存的模型并将其传递给fit（xgb\u model='trained\u xgb\u model.model'）

我不能；如果您查看Sklearn的文档中的MultiOutputRegressor（），那么.fit方法只能接受X和y；如果查看Sklearn文档中的MultiOutputRegressor（），则.fit方法只能接受X和y。