質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.80%

scikit-learn の学習済みモデルで追加学習させることは可能か?

解決済

回答 3

投稿

  • 評価
  • クリップ 0
  • VIEW 2,189

Tadokoro

score 14

知りたいこと

現在、業務でRandomforest regressorを使って推論するモデルを作成しています。
そこでお客様に「自分で新しいデータを学習していく仕組みを入れてほしい」と言われています。

学習済みのモデルに追加のデータのみを学習させる追加学習のようなことをさせることはできないでしょうか?
(調べた限り、DeepLearningではできそうでしたが、scikit-learnに関する記事が見当たらず...)

もしそういった要望をRandomforestで実現する場合は、ひたすらデータをローカルに貯めていって
再学習させるタイミングで今までの全データをもう一度学習させてモデルを作り直すのが、一般的なのでしょうか。

初歩的な質問かと思いますが、宜しくお願いします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • _Victorique__

    2019/04/04 12:32

    「業務で」とか「お客様」とか会社の情報を流さないほうが良いですよ。
    回答に関係ない情報ですし。

    キャンセル

  • Tadokoro

    2019/04/04 15:01

    そんなこと言い出したらブログとかほとんどだめじゃないですか...

    キャンセル

  • _Victorique__

    2019/04/04 15:10

    いや、そういうことじゃなくてですね。
    別に「業務で」とか「お客様」とか書かなくても質問内容に関わらないんですから書かないほうが無難ですよっていうアドバイスです。
    一応「会社」の情報ですからね?

    キャンセル

  • Tadokoro

    2019/04/04 15:30

    「業務で」と書いてなかったとしても、「仕事でこういうところで困っています」って暗に書いてるようなもんでしょほとんど...そういうサイトなんすから...

    あと「会社の情報」って言いますけどばれたらまずいんですか?ランダムフォレスト使ってることが?

    キャンセル

回答 3

checkベストアンサー

+1

Randomforestのアルゴリズム上、そもそも新しいデータを入れて追加で学習させるというのには向いていません。

全くおすすめしませんが、、、全学習データをアプリケーション側で持たせておき、運用後に投入される全入力データも保存しておき、定期的に入力データも混ぜて学習しなおすことは理論上可能です(が、実用的ではないでしょう)。

追加学習に適したアルゴリズムもあるので、そういうものを使えば質問文で考えているであろう通りのことができます。sklearnのリファレンスでpartial_fitメソッドのあるモデルを探してください。

ただし、これがあるからといって、運用しながらデータを集めて追加学習させていく・・・という使い方がサポートされているという訳ではありません。性能がどうなるかとか、現実的な時計算リソースで再学習できるかとか(学習には予測より2~3桁リソースを要するのが普通で、)、なんか変なデータが入ってきたときにどうするとか、ぶっ飛んじゃったときどうやって巻き戻すかとか、いろいろ考えるべきことはあります。お手軽とは言えないので、熟考して使うか、最初からやらないかのどちらかです。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/04/05 16:53

    丁寧な回答ありがとうございます。
    partial_fitで検索すると、私が想像していたようなものが出てきました。本当にありがとうございます。

    また、追加学習そのものについてご意見ありがとうございます。
    追加学習自体は、毎日走らせるようなことは想定していないですし時間がかかることも想定済みですが確かに精度が落ちることもあり得ますね...あまり考えていませんでした...
    慎重検討していきたいと思います!ありがとうざいます!

    キャンセル

+1

「業務で」と書いてなかったとしても、「仕事でこういうところで困っています」って暗に書いてるようなもんでしょほとんど...そういうサイトなんすから...

どこをどう見たらそういうことになるのかよく分かりません。
仕事で〜なんて書いている方はほとんどいないと思います。
それに、これ仕事での質問何だなーって思うことも殆どないですね。
逆に「仕事」「業務」「客」「上司」なんてワードを含む質問は「おいおいこの人大丈夫かよ」って心配になりますね。

「会社の情報」って言いますけどばれたらまずいんですか?ランダムフォレスト使ってることが?

バレたらまずいなんて私の知ったことではありません。
私の真意理解していないですね。不意にそういう情報を載せてしまうリスクを考えたらそういったワードは載せないのが賢明です。特に「お客様」ってワードはかなり危ないと思いますがね。あなた主観の危ない危なくないなんて役にたちません。

本題ですが、やりたいことはDeepLearningで言う所の転移学習みたいなことですよね?
Boosted Random Forestと転移学習
こういったものを利用するのも1つあります。
もしくは、ベクトル化したデータを保存しておいて、ランダムサンプリングによる取得・学習を行うかでしょうか。
頑張ってください。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/04/04 16:41

    ありがとうございます!
    仰る通りで、転移学習のイメージでした。

    記事読ませていただきます!!

    キャンセル

0

そもそもですが、ランダムフォレストは一般的にバッチ学習で使われるアンサンブル学習手法です。もちろんバッチ以外のアプローチで実装している論文や記事も見かけますが、大抵実践した方は一からpythonやmatlabで実装しています。日本語の論文でも説明があるので、どうしてもランダムフォレストの追加学習に拘りたいのであれば、そのような論文を参考にして自力で実装するのが良いと思います。無理ならバッチも一つの手段でしょう。scikit-learnはバッチ学習のライブラリはたくさんありますが、ミニバッチやオンライン学習に対する機能はあまり入ってないです。

また、業務でアルゴリズムの手法やアプローチはあまり言わない方が良いかと思います。お客様に「自分で新しいデータを学習していく仕組みを入れてほしい」と書いてますが、そのような手法や目的の情報を入れるのは危険だと思います。

厳しいことを言いますが、できるかできないか分からないことは、ここで聞く前に細かく最初の時点で小分けして、相手に細かく確認しながら進めるべきだと思います。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/04/04 16:48

    アドバイス、ありがとうございます!!!!!!!!!!!!!!!!!!!!!

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.80%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る