scikit SGDClassifierpartial_fit 不会增量学习。返回“类应包含所有有效标签”

我将两个数据流传递给 sgd_clf 分类器，如下面的代码所示。第一个partial_fit 正在获取第一个数据流x1,y1。第二个partial_fit 正在获取第二个数据流x2,y2。

下面的代码在第二个partial_fit步骤中给了我错误，即之前要包含的类标签。当我将 x2 y2 中的所有数据包含在 x1, y1 中时，此错误消失了。 （在现在调用第二个partial_fit之前包含我的班级标签）

但是，我无法事先给出 x2 y2 数据。如果我在第一个partial_fit()之前给出了所有数据，为什么我需要使用第二个partial_fit()？事实上，如果我之前知道所有数据，我不需要使用partial_fit()，我可以只做fit()。

from sklearn import neighbors, linear_model
import numpy as np

def train_new_data():

    sgd_clf = linear_model.SGDClassifier()

    x1 = [[8, 9], [20, 22]]
    y1 = [5, 6]

    classes = np.unique(y1)

    #print(classes)

    sgd_clf.partial_fit(x1,y1,classes=classes)

    x2 = [10, 12]
    y2 = 8


    sgd_clf.partial_fit([x2], [y2],classes=classes)#Error here!!

    return sgd_clf

if __name__ == "__main__":

    print(train_new_data().predict([[20,22]]))

Q1：我对sklearn分类器的partial_fit()的理解是否错误，它按照此处指定的方式动态获取数据：渐进学习 http://scikit-learn.org/stable/modules/scaling_strategies.html

Q2：我想用新数据重新训练模型/更新模型。我不想从头开始训练。 partial_fit 会帮我解决这个问题吗？

Q3：我不仅仅针对 SGDClassifier。我可以使用任何支持在线/批量学习的算法。我的主要目的是第三季度。我有一个经过数千张图像训练的模型。我不想仅仅因为我有一个/两个新的图像样本就从头开始重新训练这个模型。两者都没有兴趣为每个新条目创建一个新模型，然后将它们混合在一起。这降低了我在所有训练模型中进行搜索的预测性能。我只想借助partial_fit 将这个新数据实例添加到经过训练的模型中。这可行吗？

Q4：如果我无法使用 scikit 分类器实现 Q2，请指导我如何实现这一目标

非常感谢任何建议、想法或参考。

您需要事先知道您需要多少课程。第一次调用部分拟合后，算法假设您不会有任何新的classes稍后添加。

在您的示例中，您被添加到一个以前从未见过的新类 (y2 = 8) 中，并且在您对部分拟合的初始调用中未指示为存在（仅包含标签“5”和“6”）。您需要在第一次调用时将其添加到类对象中。

为了保持一致性，我还建议您从 0 开始对课程进行编号。