有没有办法按照 here 的描述对 XGBRegressor
包中的 xgboost
使用增量计算?
我知道线程 How can I implement incremental training for xgboost?。但是,有没有一种方法可以实现它,而不像纯 partial_fit
方法,例如:
from sklearn.linear_model import SGDRegressor
ridge_model = SGDRegressor(loss='squared_loss', penalty='l2')
for X_batch, y_batch in dates:
X_batch = X[dates]
y_batch = y[dates]
ridge_model.partial_fit(X_batch, y_batch)
例如,我们可以迭代日期的地方。
这种方法在XGBRegressor
中可行吗?或者至少自动化它以便增量学习可以用于循环?
第二部分是是否有办法使用 partial_fit
甚至从 SGDRegresson
中的 scikitlear pipelines
?
例如:
pipe = Pipeline([
("patsy", PatsyTransformer(formula)),
("model", SGDRegressor())
])
for X_batch, y_batch in dates:
X_batch = X[dates]
y_batch = y[dates]
pipe.partial_fit(X_batch, y_batch)