scikit-learn：6. Strategies to scale computationally: bigger data

参考：http://scikit-learn.org/stable/modules/scaling_strategies.html

对于examples、features（或者两者）数量很大的情况，挑战传统的方法要解决两个问题：内存和效率。办法是Out-of-core (or “external memory”) learning。有三种方法可以实现out-of-core，分别是：

1、Streaming instances（流体化实例）：

简单说就是，instances是一个一个来的。具体实现不在scikit-learn文档范围。

2、Extracting features：

简单说就是利用different feature
extraction methods（翻译之后的文章：/article/1323243.html）实现大数据提取有用数据，简化内存、提高效率。不细讲。

3、Incremental
learning：

all
estimators implementing the partial_fit API
are candidates。

the
ability to learn incrementally from a mini-batch of instances (sometimes called “online learning”) is key to out-of-core learning as it guarantees that at any given time there will be only a small amount of instances in the main memory。

所有实现 partial_fit API
的estimators都可以实现增量学习，包括：

Classification

sklearn.naive_bayes.MultinomialNB
sklearn.naive_bayes.BernoulliNB
sklearn.linear_model.Perceptron
sklearn.linear_model.SGDClassifier
sklearn.linear_model.PassiveAggressiveClassifier

Regression

sklearn.linear_model.SGDRegressor
sklearn.linear_model.PassiveAggressiveRegressor

Clustering

sklearn.cluster.MiniBatchKMeans

Decomposition / feature Extraction

sklearn.decomposition.MiniBatchDictionaryLearning
sklearn.decomposition.IncrementalPCA
sklearn.cluster.MiniBatchKMeans

注意：对于分类问题，由于incremental
learner可能不知道所有的classes有哪些，所以第一次调用partial_fit时，最好人工设定参数 classes= ，指明所有类别。

4、Examples：

a
example of Out-of-core
classification of text documents. 通过例子可以更好理解上面的内容。