来自 xgboost 包的 XGBRegressor 增量学习

Question

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)