我正在使用支持向量回归来预测股票价格。我已经用一些值进行了训练,但是当我每次预测值时,我都必须基于该值进行训练(在线学习)。所以我在预测后传递了要在循环内进行训练的值。
inside loop
//prediction
clf.fit(testx[i],testy[i])
那么,当我每次调用 fit 函数时,svr 训练如何在内部基于一个输入工作?
最佳答案
clf.fit
不是增量的。不幸的是,除了新实例之外,您还必须通过所有以前的训练点才能重新训练受益于新数据点的新模型。
这是 sklearn.svm.SVR
类内部使用的 libsvm 库实现的 SMO 算法的限制。
关于python - 支持向量回归在线学习,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23671116/