您可以训练 xgboost，计算输出（边距），然后继续训练，请参见boost from prediction中的示例。

我自己没有尝试过，但也许你可以在数据的第一个子集（比如 10%）上进行训练，然后继续在另一个子集上进行训练，等等。

更新

一步一步的过程

1. 将数据拆分为 N 个可管理的子集，设置 n=1
2. 在第 n 个子集上训练 xgboost
3. 使用从先前获得的模型计算 n+1 子集的预测（边距）
4. 通过 setinfo 将边距添加到 n+1 子集中
5. 递增 n

步骤 2-5 重复 N 次。

我不认为你所要求的是可能的。看到这个问题。

我知道您想在 A PART 数据上训练模型，然后在另一个 PART 上继续训练，依此类推。所以@aivanov 的回答在这方面无济于事。

如果您使用的是 R，您是否考虑过bigmemoryandff包？

我自己没有太多使用这些的经验，但有兴趣看看它们是否有助于解决手头的问题。