Sklearn Linear Regressionクラシファイアを複数回フィッティングするか、データポイントを追加するか、またはそれらを置き換えるだけですか？

Question

X = np.array(df.drop([label], 1)) 
X_lately = X[-forecast_out:] 
X = X[:-forecast_out] 
df.dropna(inplace=True) 
y = np.array(df[label]) 

X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y, test_size=0.2) 

linReg.fit(X_train, y_train) 

私は、新しいスプレッドシートで同じモデルに合うたびに、ポイントを追加してモデルをより堅牢にするという前提で、異なるスプレッドシートからのデータを繰り返し回帰式分類器にフィッティングしました。

この仮定は正しいですか？それとも、フィットするたびにモデルを拭いていますか？

もしそうなら、私のモデルをこの「累積型」効果のために複数回適合させる方法はありますか？

Answer 1

線形回帰はバッチ（別名オフライン）トレーニング方法です。新しいパターンで知識を追加することはできません。だから、sklearnはモデル全体を再フィットしています。データを追加する唯一の方法は、新しいパターンを元のトレーニングのX, Y行列に追加して再フィットすることです。

Answer 2

あなたはほぼ確実に最初からモードランドを拭き取っています。必要な作業を行うには、追加データをデータフレームの最後に追加し、それを使って再フィットする必要があります。