截至 2021 年：

Question

此example显示了如何使用矩阵分解来建立推荐系统。此示例特别适用于只有两个相关ID（例如相应用户已购买的用户ID和产品ID）的数据集。

基于此示例，我准备了如下输入数据。

X = rand.rand(10, 2)
dist_sq = np.sum((X[:, np.newaxis, :] - X[np.newaxis, :, :]) ** 2, axis=-1)

并更改列名称，使之为[UserId] [ProductId] 3　　　　1 3　　　　15 3　　　　23 5　　　　9 5　　　　1 8　　　　2 8　　　　1 . .。

TextLoader

效果很好。它推荐目标用户可以购买的产品列表，并附有单独的分数。但是，它不适用于初始输入数据中不存在的新客户数据，例如var reader = ctx.Data.TextReader(new TextLoader.Arguments() { Separator = "tab", HasHeader = true, Column = new[] { new TextLoader.Column("Label", DataKind.R4, 0), new TextLoader.Column("UserId", DataKind.U4, new [] { new TextLoader.Range(0) }, new KeyRange(0, 100000)), new TextLoader.Column("ProductId", DataKind.U4, new [] { new TextLoader.Range(1) }, new KeyRange(0, 300)) } });，它作为预测结果给出了得分UserId 1。

重新训练模型可能是一个显而易见的答案，但是每次引入新数据时重新训练模型似乎都是徒劳的。我认为肯定有一种更新现有模型的方法，但是我找不到相关的文档，API或文档。随处取样。我最终离开了a question in the official github of ML.NET，但到目前为止我还没有任何答案。

概括地说，问题将非常简单，如何在ML.NET中更新经过训练的模型？链接相关的信息源也将不胜感激。

Answer 1

在此特定示例中，由于正在执行任务，因此您仅限于训练模型所依据的观察范围，并且可以对该集合进行预测。正如您提到的，进行此操作的好方法是重新培训。我自己没有尝试过，但是您可能要尝试以下一种方法：

使用要训练的新数据作为输入再次运行Fit函数。该模型不仅应保留以前的训练，而且还应使用您提供的其他数据进行重新训练。
将模型保存到文件，加载持久化模型，运行上述的Fit函数。

Answer 2

截至 2021 年：

此处详细描述了重新训练过程：https://docs.microsoft.com/en-us/dotnet/machine-learning/how-to-guides/retrain-model-ml-net

在ML.NET中更新训练有素的模型

2 个答案:

截至 2021 年：