python - 使用 scikit-learn 重新初始化学习到的线性模型

Question

假设我运行 SGDRegressor 或 SGDClassifier，并获得一组我想在未来使用的系数。进行基本预测绝对是微不足道的(因为对于回归器来说，它只是矩阵乘法)，但如果能够在拟合模型上使用其他方法(如 predict_proba ， ETC。)。一般有办法做到这一点吗？我一直在查看文档，但找不到任何内容。

为清楚起见的具体代码示例:

from sklearn import linear_model

sgd = linear_model.SGDRegressor()
sgd.fit([[0, 1, 1], [0, -1, 1]], [0, 1])
coefs = sgd.coef_
intercept = sgd.intercept_

我想做的就是将 coefs 和 intercept 存储在某个地方，然后能够用它们重新初始化 SGDRegressor .这可能吗？

Answer 1

系数可以帮助您进行一些其他计算。但如果不是这种情况，您可以将学习到的模型保存到您的光盘中并在以后使用它而无需重新初始化。

这是一个例子:scikit learn SVM, how to save/load support vectors?