我可以使用循环再次训练我的 SVM 模型吗？

Question

我正在使用 SVM 进行文本情感分析，以便与其他方法进行比较 但由于样本量大， 以下程序让我等到内核崩溃

tfhub_handle_preprocess="https://tfhub.dev/tensorflow/bert_zh_preprocess/3"
bert_preprocess_model = hub.KerasLayer(tfhub_handle_preprocess)

def encoder(strlist):
    return bert_preprocess_model(strlist)["input_word_ids"]

from sklearn.preprocessing import FunctionTransformer
SVM_Model = Pipeline([
    ('Encoder',FunctionTransformer(encoder)),
    ('Svm',SVC(kernel='linear'))
])


SVM_Model.fit(text,labels)

所以我试着把程序改成这样：

from IPython.display import clear_output
for times in range(0,len(text),20):
    SVM_Model.fit(text[times:times+20],labels[times:times+20])
    pre = SVM_Model.predict(pre_text[:100])
    accuracy = accuracy_score(pre_labels[:100], pre)
    clear_output(wait=True)
    print(f'times:{times}, Accuracy:{accuracy}')

但是我不知道SVM能不能再这样训练， 否则它只会忽略之前的样本。