Esempio: i miei dati non rientra nella memoria posso fare:(come) puoi allenare un modello due volte (più volte) in sklearn usando fit?
model=my_model
for i in range(20)
model.fit(X_i,Y_i)
Questo cancellerà il primo 19 in forma. e mantieni solo l'ultimo. Come posso evitare questo? Posso riqualificare un modello salvato e caricato? Grazie
È necessario leggere 6.1.3. apprendimento incrementale dalla documentazione sklearn http://scikit-learn.org/stable/modules/scaling_strategies.html
non ci sono altre soluzioni? Ho già visto la documentazione ma ho bisogno di un altro algoritmo che non è elencato (ICA) –
Alcuni modelli hanno un parametro "warm_start", dove sarà inizializzare i parametri del modello con la soluzione precedente da fit()
Si veda ad esempio SGDClassifier
A seconda del tipo di dati con cui stai lavorando, la creazione di una matrice sparsa potrebbe essere una soluzione praticabile: http://docs.scipy.org/doc/scipy/reference/sparse.html Per me questo ha fatto la differenza tra dovermi adattare a un'istanza con "un sacco" di RAM (~ 16 gb +) ed essere in grado di adattarsi al mio portatile con 4 GB di RAM. Dovrai anche pianificare in anticipo e vedere quali modelli supportano input sparsi (non tutti lo fanno) – Ryan