一對一地訓練scikit svm（在線或隨機訓練）

Question

我正在使用scikit庫來使用svm。我有大量的數據，我無法一起閱讀fit() function。
我想循環遍歷一個文件中的所有數據並逐個訓練svm。有沒有辦法做到這一點。目前尚不清楚形成文件和他們的教程，他們一次性向fit提供完整的數據。
有沒有什麼辦法可以一個接一個地訓練它（手段可能類似於爲訓練數據的每個輸入模式調用fit）。

Answer 1

支持向量機（至少在libsvm中實現scikit-learn是一個包裝器）基本上是一個批處理算法：它需要一次訪問內存中的所有數據。因此它們不可擴展。

相反，您應該使用支持partial_fit方法的增量學習的模型。例如一些線性模型，如sklearn.linear_model.SGDClassifier支持partial_fit方法。您可以切片數據集並將其作爲一系列形狀爲(batch_size, n_features)的小型配件加載。 batch_size可以是1，但由於python解釋器開銷（+數據加載開銷）而不是有效的。因此，建議通過至少100個minitaches引導樣本。