根据 API，正常的 xgboost 接口(interface)似乎允许此选项:
xgboost.train(params, dtrain, num_boost_round=10, evals=(), obj=None, feval=None, maximize=False, early_stopping_rounds=None, evals_result=None, verbose_eval=True, xgb_model=None , callbacks=None, learning_rates=None).
在此选项中，可以输入 xgb_model 以允许在同一模型上继续训练。
但是，我正在使用 xgboost 的 scikit learn API，因此我可以将分类器放入 scikit 管道中，连同其他不错的工具，例如用于超参数调整的随机搜索。
那么有没有人知道允许对 xgboost 的 scikitlearn api 进行在线培训的任何(尽管是 hacky)方法？
最佳答案
我认为 sklearn 包装器没有增量训练模型的选项。使用 warm_start 参数可以在一定程度上实现这一壮举。但是，XGBoost 的 sklearn 包装器没有该参数。 因此，如果您想进行增量训练，您可能必须切换到 xgboost 的官方 API 版本。
关于python - Scikit 学习 API xgboost 允许在线培训吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45154751/