如何在Python中从sklearn多次训练SVM分类器

Question

我想知道是否可以在for循环中多次从Python中的sklearn训练SVM分类器。我的想法如下：

for i in range(0,10):
    data = np.load(somedata)
    labels = np.load(somelabels)
    C = SVC()
    C.fit(data, labels)
    joblib.dump(C, 'somefolderpath/Model.pkl')

我希望我的模型针对10个数据及其标签中的每一个进行训练。这样可能吗？还是我必须将所有数据和标签附加到两个对应的数组中，其中包含我的10个项目中的全部数据和标签？

编辑：如果我想为每个主题训练一个单独的分类器。那么上面的语法会是什么样子呢？我的编辑正确吗？当我想为我的特定主题加载特定的训练分类器时，我可以这样做吗：

C = joblib.load('somefolderpath/Model.pkl')
idx = C.predict(data)

Answer 1

在任何scikit学习估计器上调用fit都会忘记以前看到的所有数据。因此，如果你想使用你的所有数据（全部10名患者）进行预测，你需要首先将其连接起来。特别是，如果每个somelabels只包含一个标签，那么代码就没有意义，甚至可能出错，因为只存在一个类。