Я пытаюсь обновить мою уже обученную модель, чтобы она могла исправить ошибки, которые она делает. Для этого я частично подгоняю новые данные, для которых он давал неправильные метки, с новыми правильными метками
Я сохранил свою байесовскую модель в файле, подобном этому:
model1 = MultinomialNB() #NaiveBayes model
model1.partial_fit(features_matrix, label_matrix, [0,1,2])
filename = 'trained_NBmodel.pkl' #saving the trained model
joblib.dump(model1, filename)
, а затем загружаем другой файл, подобный этому:
loaded_model = joblib.load('trained_NBmodel.pkl')
loaded_model.partial_fit(new_features_matrix, new_label_matrix)
filename = 'trained_NBmodel.pkl' #saving the trained model
joblib.dump(loaded_model, filename)
теперь он должен использовать обновленную модель, и если для прогнозирования задано new_features_matrix, он должен прогнозировать new_label_matrix с высокой точностью, а модель - нет. Он дает ту же матрицу меток, что и перед установкой. Может ли быть так, что я много раз тренировал мою исходную модель с похожими данными с разными метками, которые она не может извлечь из меньшего количества данных?