请问在sklearn怎么在已有的模型的基础上训练新的数据？

只要有partial_fit方法，就可以在原有模型的基础上继续训练。

sklearn中有partial_fit的方法有：

分类算法

sklearn.naive_bayes.MultinomialNB

sklearn.naive_bayes.BernoulliNB

sklearn.linear_model.Perceptron

sklearn.linear_model.SGDClassifier

sklearn.linear_model.PassiveAggressiveClassifier

回归算法

sklearn.linear_model.SGDRegressor

sklearn.linear_model.PassiveAggressiveRegressor

无监督

sklearn.cluster.MiniBatchKMeans

sklearn.decomposition.MiniBatchDictionaryLearning

假设模型有N个可训练参数，一个训练好的模型是N维参数空间一点。当训练数据确定后，loss function是一曲面，训练就是找到局部或全局最小值。新加入数据后，loss对应曲面会变化，要从上次最小值开始找新的最小值。（loss曲面在每个mini batch都会变，只是训练次数多了，统计意义上相当于一个曲面，可理解为曲面的平均。）

需要注意的是新旧数据比例，学习率 learning rate，学习次数。需要设置提前结束条件，也不能只用新数据训练，否则很容易过拟合到新数据，而“忘记”旧数据。

继续fit