返回信息流就是新样本加进来不用重新再训练原来的模型，直接更新参数。 用机器学习的，不是深度学习的。在网上也没找到可以用的例子。自己也不会写。但也挺急用的
通过『我邮2.0』发布
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #28316同步于 2018/2/26
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
急问 有人用增量学习算法吗？求大神指导
XCN666
2018/2/26镜像同步7 回复
订阅后，新回复会通过你的通知中心匿名送达。
7 条回复
是。只有贝叶斯和梯度下降这些支持。像随机森林，决策树，svm都没有。所以才问
【 在 morninghome (morninghome) 的大作中提到: 】
: sklearn里不少算法都支持吧
通过『我邮2.0』发布
是的。我知道这个，但是这个只有部分算法支持。svm决策树随机森林这些都没有
【 在 jackling (谷西决) 的大作中提到: 】
: sklearn partial_learn，看是不是你需要的东西
通过『我邮2.0』发布
提供一个我自己的想法：
用老数据训练随机森林，用新数据训练决策树，然后把两个模型的结果加权平均如何
例如 RF 的 n = 20
最终结果 = （Y1×20 + Y2） / 21
【 在 XCN666 的大作中提到: 】
: 是的。我知道这个，但是这个只有部分算法支持。svm决策树随机森林这些都没有
:
: 通过『我邮2.0』发布
谢谢。我想想～
【 在 jackling (谷西决) 的大作中提到: 】
: 提供一个我自己的想法：
: 用老数据训练随机森林，用新数据训练决策树，然后把两个模型的结果加权平均如何
: 例如 RF 的 n = 20
: ...................
通过『我邮2.0』发布
大部分传统算法原生都是不支持的。这个在学术上叫"online learning"，有些传统方法有online learning版本的论文，可以搜搜看，有可能有开源代码。