一对一地训练scikit svm（在线或随机训练）

Question

我正在使用scikit库来使用svm。我有大量的数据，我无法一起阅读fit() function。
我想循环遍历一个文件中的所有数据并逐个训练svm。有没有办法做到这一点。目前尚不清楚形成文件和他们的教程，他们一次性向fit提供完整的数据。
有没有什么办法可以一个接一个地训练它（手段可能类似于为训练数据的每个输入模式调用fit）。

Answer 1

支持向量机（至少在libsvm中实现scikit-learn是一个包装器）基本上是一个批处理算法：它需要一次访问内存中的所有数据。因此它们不可扩展。

相反，您应该使用支持partial_fit方法的增量学习的模型。例如一些线性模型，如sklearn.linear_model.SGDClassifier支持partial_fit方法。您可以切片数据集并将其作为一系列形状为(batch_size, n_features)的小型配件加载。 batch_size可以是1，但由于python解释器开销（+数据加载开销）而不是有效的。因此，建议通过至少100个minitaches引导样本。