大佬，

晚生新进学习ML， 在实践中又一类情况， 可用于训练的数据集不是一下子就完备的， 而是一个一个逐个增加的， 同时这些逐步增加的case不能本地保存，且每次使用都需要付费，不知各位大佬如何应对这种情况：
1. 如何逐步增量的训练模型（类似于基于前100个case训练出一个初始模型， 而后又一个新的case i出现的时候， 100+i 个case优化该模型， 另一个case j出现时， 用100 + j 对模型进行继续优化。

2. 如果退而求其是， 100 + j个case对模型优化后， 可以回头对100+i个case进行验证优化 （由于又使用了一次i，所以成本上升） ， 如何操作可以在模型优化过程中，将成本控制的比较好？


非常感谢！