gpt4 book ai didi

python - 使用 **kwargs (Scikit Learn) 设置 n_estimators 参数

转载 作者:行者123 更新时间:2023-11-28 17:25:35 25 4
gpt4 key购买 nike

我正在尝试关注 this学习基于机器学习的预测的教程,但我有两个问题?

问题 1。如何在下面的代码中设置n_estimators,否则它将始终采用默认值。

from sklearn.cross_validation import KFold

def run_cv(X,y,clf_class,**kwargs):
# Construct a kfolds object
kf = KFold(len(y),n_folds=5,shuffle=True)
y_pred = y.copy()

# Iterate through folds
for train_index, test_index in kf:
X_train, X_test = X[train_index], X[test_index]
y_train = y[train_index]
# Initialize a classifier with key word arguments
clf = clf_class(**kwargs)
clf.fit(X_train,y_train)
y_pred[test_index] = clf.predict(X_test)
return y_pred

它被称为:

从 sklearn.svm 导入 SVC
打印 "%.3f"% accuracy(y, run_cv(X,y,SVC))

问题 2:如何使用已经训练好的模型文件(例如从 SVM 获得)以便我可以使用它来预测更多我没有用于训练的(测试)数据?

最佳答案

对于您的第一个问题,在上面的代码中您将调用 run_cv(X,y,SVC,n_classifiers=100)**kwargs 会将其传递给分类器初始化器,步骤为 clf = clf_class(**kwargs)

对于您的第二个问题,您链接的代码中的交叉验证仅用于模型评估,即比较不同类型的模型和超参数,并确定您的模型在生产中的可能有效性。确定模型后,您需要在整个数据集上重新拟合模型:

clf.fit(X,y)

然后您可以使用 clf.predictclf.predict_proba 进行预测。

关于python - 使用 **kwargs (Scikit Learn) 设置 n_estimators 参数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39279121/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com