我如何在 Python 中多次训练来自 sklearn 的 SVM 分类器？

Question

我在徘徊是否可以在 for 循环中多次从 Python 中的 sklearn 训练 SVM 分类器。我想到了以下内容：

for i in range(0,10):
    data = np.load(somedata)
    labels = np.load(somelabels)
    C = SVC()
    C.fit(data, labels)
    joblib.dump(C, 'somefolderpath/Model.pkl')

我希望我的模型针对 10 个数据中的每一个及其标签进行训练。那样可能吗？还是我必须将所有数据和标签附加到两个相应的数组中，其中包含我的 10 个项目的全部数据和标签？

已编辑：如果我想为每个主题训练一个单独的分类器。那么上面的语法会是什么样子呢？我的编辑正确吗？当我想为我的特定主题加载经过训练的特定分类器时，我可以这样做吗：

C = joblib.load('somefolderpath/Model.pkl')
idx = C.predict(data)

?

Answer 1

在任何 scikit-learn 估计器上调用 fit 将忘记所有以前看到的数据。因此，如果您想使用所有数据（所有十名患者）进行预测，则需要先将其连接起来。特别是，如果每个 somelabels 只包含一个标签，代码就没有意义，甚至可能出错，因为只有一个 class 存在。

我如何在 Python 中多次训练来自 sklearn 的 SVM 分类器？

How can i train multiple times an SVM classifier from sklearn in Python?

python

svm

scikit-learn