用于增量学习的Python非线性回归器

Question

我想知道 scikit-learn 是否有一个非线性回归例程，它允许增量学习，即通过partial_fit 调用。我看到 SGDRegressor 和 PassiveAggressiveRegressor 都允许部分拟合，但都是线性的，而我的数据显然是非线性的，所以拟合度相差甚远。

Answer 1

MLPRegressor 类能够使用多层感知器对非线性关系进行建模。它支持

partial_fit()

。请注意，

partial_fit()

仅在求解器未设置为“lbfgs”时才有效。

基于搜索文档，我找不到任何其他示例可以满足以下所有条件：1) 作为回归器，2) 支持

partial_fit()

，以及 3) 非线性。

或者，您可以考虑内核方法。例如，您可以选择数据的一个子集，在该子集和所有其他点之间执行 RBF，并且您将能够在转换后的 RBF 空间上使用线性回归器来建模非线性关系。 RBF 内核不会增量学习，但线性组件会。这将为您提供更多选择，例如 SGDRegressor 或 PassiveAgressiveRegressor。