基于预训练模型的时序数据增量重训练实现难题求助

问题背景 #

我在使用unit8co的darts库实现时序数据的增量学习时遇到了问题，需要解决指导。

数据集结构 #

我有一个包含250万条数据点的大型数据集，结构如下：

ds    y
0        2020-10-21 12:57:47+00:00  0.0
1        2020-10-21 12:57:48+00:00  0.0
2        2020-10-21 12:57:49+00:00  0.0
3        2020-10-21 12:57:50+00:00  0.0
4        2020-10-21 12:57:51+00:00  0.0
...                            ...  ...
2591996  2020-11-20 12:57:43+00:00  7.0
2591997  2020-11-20 12:57:44+00:00  7.0
2591998  2020-11-20 12:57:45+00:00  7.0
2591999  2020-11-20 12:57:46+00:00  6.0
2592000  2020-11-20 12:57:47+00:00  6.0

[2592001 rows x 2 columns]

目标 #

计划先在历史数据上训练初始模型Model_v1，但数据集过大导致从头训练耗时过长。希望以Model_v1为基础，用每分钟获取的实时新数据进行增量更新，理想状态是每周或每月重训练以适配数据模式变化。

遇到的挑战 #

已成功保存历史模型Model_v1，但加载后无法用新数据拟合，增量学习流程失败，不清楚正确的实现方法。

求助需求 #

恳请提供时序数据预训练模型增量学习的有效实现思路、建议及最佳实践，若有类似经验或成功方案，欢迎分享。

感谢您的帮助与指导。

内容的提问来源于stack exchange，提问作者AyushBhardwaj261