我正在使用scikit-learn中的MultinomialNB模型训练垃圾邮件检测器。我使用DictVectorizer类将令牌转换为字数（即功能）。我希望能够随着时间的流逝使用新数据到达模型来训练模型（在这种情况下，以传入我们的应用服务器的聊天消息的形式）。为此，看来partial_fit函数将很有用。
但是，我似乎无法弄清楚的是DictVectorizer最初经过“训练”后如何扩大其尺寸。如果出现了从未见过的新功能/单词，它们将被忽略。我想做的是腌制当前版本的模型和DictVectorizer，并在每次进行新的培训时都对其进行更新。这可能吗？
最佳答案
在documentation中，他们使用字典来完成DictVectorizer的学习阶段。您可能可以将新功能添加到原始词典中并执行fit_transform。
这样，您就可以将值添加到DictVectoriser中。
请注意partial_fit方法，它是一种heavy treatment。如方法文档所述，存在处理开销。
from sklearn.feature_extraction import DictVectorizer
v = DictVectorizer(sparse=False)
D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}]
X = v.fit_transform(D)
# Learn and do treatment
# when new data come (value is a dictionary)
D.append(values)
X = v.fit_transform(D) # do the fit again
# 2 choices,
# wait for more modification before learning
# or learn each time you have modification (not really performant)