Python:如何在不同时间训练同一模型？

Question

我有一个小数据集，我想尝试使用 sklearn 中的多层感知器回归器来预测相同变量的值。

这就是我正在做的事情:

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neural_network import MLPRegressor


X_train, X_test, y_train, y_test = train_test_split(X, Y)
scaler  = StandardScaler()
scaler.fit(X_train)
X_train = scaler.transform(X_train)
X_test  = scaler.transform(X_test)

mlp    = MLPRegressor(hidden_layer_sizes=(10,10))
mlp    = mlp.fit(X_train,y_train)
test_y = mlp.predict(X_test)

现在训练集由 100 个示例组成。我想做的是将训练集在 75 和 25 中分割四次，以便用 4 不同的值训练相同的模型数据集。

这就是我正在做的事情:

c1 = 0
c2 = 25
for i in range(0,4):
    xt = X_train[c1:c2]
    yt = np.setdiff1d(X_train, xt)
    c1 = c2 + 1
    c2 = c2 + 25
    mlp = mlp.fit(xt ,yt)

Answer 1

您应该会收到错误，因为您在上次迭代中访问的 X_train 超出了其范围。这是当然的，因为 X_train 只有 100 个样本。

以以下形式访问数组 myArray[a:b] 意味着我想要检索从 a 开始到但不包括 b 的元素.

因此，您需要更改此行:

c1 = c2 + 1

对于这个:

c1 = c2

看看documentation了解如何访问 numpy 数组。