您可以在模型中将“warm_start”参数设置为True。这将确保使用fit call保留以前的学习。

设置“热启动”后，同一模型增量学习两次(train_X[：1]，train_X[1:2])forest_model = RandomForestRegressor(warm_start=True)

forest_model.fit(train_X[:1],train_y[:1])

pred_y = forest_model.predict(val_X[:1])

mae = mean_absolute_error(pred_y,val_y[:1])

print("mae :",mae)

print('pred_y :',pred_y)

forest_model.fit(train_X[1:2],train_y[1:2])

pred_y = forest_model.predict(val_X[1:2])

mae = mean_absolute_error(pred_y,val_y[1:2])

print("mae :",mae)

print('pred_y :',pred_y)

美：1290000.0

预测：[163000]

美：925000.0

预测：[163000]

仅使用上次学习的值建模(train_X[1:2])forest_model = RandomForestRegressor()

forest_model.fit(train_X[1:2],train_y[1:2])

pred_y = forest_model.predict(val_X[1:2])

mae = mean_absolute_error(pred_y,val_y[1:2])

print("mae :",mae)

print('pred_y :',pred_y)

美：515000.0

预测：[1220000]