我有一个大型数据集(我不能将整个数据放在内存中)。我想在这个数据集上使用GMM。
我可以在小批量数据上反复使用GMM.fit()
(sklearn.mixture.GMM
)吗?
答案 0 :(得分:5)
没有理由反复适应它。 只需随机抽取您认为机器可在合理时间内计算的数据点。如果变化不是很高,则随机样本将具有与完整数据集大致相同的分布。
randomly_sampled = np.random.choice(full_dataset, size=10000, replace=False)
#If data does not fit in memory you can find a way to randomly sample when you read it
GMM.fit(randomly_sampled)
使用
GMM.predict(full_dataset)
# Again you can fit one by one or batch by batch if you cannot read it in memory
对其余部分进行分类。
答案 1 :(得分:2)
fit
将始终忘记scikit-learn中的先前数据。对于增量拟合,有partial_fit
函数。不幸的是,GMM
还没有partial_fit
(尚未),所以您无法做到。
答案 2 :(得分:0)
正如Andreas Mueller所述,GMM还没有partial_fit
,可让您以迭代的方式训练模型。但是,当您创建GMM对象时,可以通过将其值设置为warm_start
来使用True
。这样一来,您就可以遍历大量数据,并从上次迭代中离开模型的地方继续训练模型。
希望这会有所帮助!