在第一次训练时，fit和partial_fit训练模型的原理其实本质上是一样的。

但是对于partial_fit的模型来说，当我们有了新数据，我们可以用新的数据在旧的模型基础上训练、更新模型，而不必重新训练。也就是另一位答友提到的，线上算法的特点。

以SGDClassifer为例，partial_fit的具体用法如下

from sklearn.linear_model import SGDClassifier
clf = SGDClassifier(loss='log')

#用数据集训练
clf.partial_fit(X, y)

#当我们有了新数据之后，可以在原基础上更新模型
clf.partial_fit(X_new, y_new)

#partial_fit的模型使用方法也是和正常模型一样的，直接用predict或者predict_proba
y_pred = clf.predict_proba(X_test)

fit就是一次性把模型训练完毕

partial_fit可以在原来的基础继续训练模型，所以partial_fit只针对对onlin的算法。这里SGD就是online的。

那除了sgd以外，还有什么可以使用`partial_fit`这个方法吗