在块上训练模型后，如何保存最终模型？

df = pd.read_csv(, chunksize=10000)
for chunk in df:
  text_clf.fit(X_train, y_train)
  filename = 'finalized_model.sav'
  joblib.dump(text_clf, filename)

# load the model from disk
loaded_model = joblib.load(filename)

保存这样的模型只会给我最后一块训练的模型。我怎样才能避免这种情况并在每个块上训练整个模型？

更新： 大多数现实世界的数据集都是巨大的，不能一次性训练。在对每个数据块进行训练后如何保存模型？

df = pd.read_csv(“an.csv”, chunksize=6953)
for chunk in df:
  text = chunk[‘body’]
  label = chunk[‘user_id’]

  X_train, X_test, y_train, y_test = train_test_split(text, label, test_size=0.3 )

  text_clf = Pipeline([(‘vect’, TfidfVectorizer()),
  (‘tfidf’, TfidfTransformer()),
  (‘clf’, LinearSVC()),
  ])

  text_clf.fit(X_train, y_train)

  # save the model to disk
  filename = ‘finalized_model.sav’
  joblib.dump(model, filename)

以这种方式保存它会给我在整个数据集上训练的模型吗？我希望在每个块上训练模型。有什么帮助吗？