您可以在模型中将“warm_start”参数设置为True。这将确保使用fit call保留以前的学习。
设置“热启动”后,同一模型增量学习两次(train_X[:1],train_X[1:2])forest_model = RandomForestRegressor(warm_start=True)
forest_model.fit(train_X[:1],train_y[:1])
pred_y = forest_model.predict(val_X[:1])
mae = mean_absolute_error(pred_y,val_y[:1])
print("mae :",mae)
print('pred_y :',pred_y)
forest_model.fit(train_X[1:2],train_y[1:2])
pred_y = forest_model.predict(val_X[1:2])
mae = mean_absolute_error(pred_y,val_y[1:2])
print("mae :",mae)
print('pred_y :',pred_y)
美:1290000.0
预测:[163000]
美:925000.0
预测:[163000]
仅使用上次学习的值建模(train_X[1:2])forest_model = RandomForestRegressor()
forest_model.fit(train_X[1:2],train_y[1:2])
pred_y = forest_model.predict(val_X[1:2])
mae = mean_absolute_error(pred_y,val_y[1:2])
print("mae :",mae)
print('pred_y :',pred_y)
美:515000.0
预测:[1220000]