h2o H2OGenericEstimator 训练函数不起作用

问：

我想使用 H2O 模型启用增量训练。我使用 MOJO 格式为现有数据集/观察结果保存训练的模型。收到新的观测结果后，我想加载基于 MOJO 的模型，并根据新的观测值重新训练现有模型。但是，这是行不通的。

或者，我可以使用特定的模型类（例如，在组合数据集上的 H2OGradientBoostingEstimator）训练模型，但这需要我跟踪所有先前的观察结果并导致更高的磁盘使用率。

H2OGenericEstimator 的 H2O 文档显示了对训练函数的支持。然而，根据实验，训练函数实际上没有任何区别。

from h2o.estimators import H2OGenericEstimator, H2OXGBoostEstimator
import tempfile
airlines= h2o.import_file("https://s3.amazonaws.com/h2o-public-test-data/smalldata/testng/airlines_train.csv")
y = "IsDepDelayed"
x = ["fYear","fMonth","Origin","Dest","Distance"]
xgb = H2OXGBoostEstimator(ntrees=1, nfolds=3)
xgb.train(x=x, y=y, training_frame=airlines)
original_model_filename = tempfile.mkdtemp()
original_model_filename = xgb.download_mojo(original_model_filename)
key = h2o.lazy_import(original_model_filename)
fr = h2o.get_frame(key[0])
model = H2OGenericEstimator(model_key=fr)
model.train()
model.auc()

有没有办法训练使用 MOJO 文件加载的模型？