重新安装Python的惊喜推荐系统，并带有新数据
我已经使用python “惊喜库”。
下一步是使用新数据更新算法。例如，添加了新用户或新项目。
我已经挖掘了文档，这种情况一无所获。唯一可能的方法是不时从头开始训练新型号。
看来我错过了一些东西，但我无法弄清楚到底是什么。
有人可以指出我如何通过新数据来重新考虑现有算法吗？
I've built a recommender system using Python Surprise library.
Next step is to update algorithm with new data. For example a new user or a new item was added.
I've digged into documentation and got nothing for this case. The only possible way is to train new model from time to time from scratch.
It looks like I missed something but I can't figure out what exactly.
Can anybody point me out how I can refit existing algorithm with new data?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
不幸的是，惊喜不支持部分适合。
在此线程 有一些可实现的局部拟合的解决方法和叉子。
Unfortunately Surprise doesn't support partial fit yet.
In this thread there are some workarounds and forks with implemented partial fit.