对于机器学习任务，我需要处理相当大的数据集。结果，我无法在我的算法中同时适应整个数据集。我正在寻找一种方法来训练我的算法在数据集的部分，简单地提供新的块将无法工作，因为我的算法将只是重新安装，而不会考虑前面的例子。有没有一种方法可以为我的算法提供新的数据，同时“记住”之前看到的数据？
编辑：我使用的算法是来自scikit-learn的SGDRegressor。
代码：
train = pd.read_csv(os.path.join(dir,"Train.csv"),chunksize = 5000)
labels = pd.read_csv(os.path.join(dir,"Labels.csv"),chunksize = 5000)
algo = SGDRegressor(n_iter = 75)
print("looping for chunks in train")
for chunk in train:
algo.fit(train,labels)