scikit lernen, SVM, wie speichern/laden von support-Vektoren?

mit python scikit svm, nach dem ausführen von clf.fit(X, Y), erhalten Sie Ihren support-Vektoren.
könnte ich laden Sie diese support-Vektoren direkt (übergeben als Parameter) beim instanziieren einer svm.SVC-Objekt? das bedeutet brauche ich nicht zu laufen fit () - Methode jedes mal zu tun prädikation

InformationsquelleAutor ymliu | 2013-03-22
  1. 19

    Aus der scikit-Handbuch: http://scikit-learn.org/stable/modules/model_persistence.html

    1.2.4 Modell der Persistenz
    Es ist möglich, ein Modell in der scikit durch die Verwendung von Python die built-in-Persistenz-Modell, nämlich die Gurke.

    >>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> iris = datasets.load_iris()
>>> X, y = iris.data, iris.target
>>> clf.fit(X, y)
SVC(kernel=’rbf’, C=1.0, probability=False, degree=3, coef0=0.0, eps=0.001,
cache_size=100.0, shrinking=True, gamma=0.00666666666667)
>>> import pickle
>>> s = pickle.dumps(clf)
>>> clf2 = pickle.loads(s)
>>> clf2.predict(X[0])
array([ 0.])
>>> y[0]
0

    In dem speziellen Fall der scikit, kann es interessanter sein, zu verwenden joblib Ersatz der Gurke, die ist mehr
    effizient auf große Datenmengen, sondern können nur Gurke auf dem Datenträger und nicht in einen string:

    >>> from sklearn.externals import joblib
>>> joblib.dump(clf, ’filename.pkl’)
    InformationsquelleAutor Robert
  2. 3

    Können Sie das Modell speichern, um Sie später zu verwenden.
    Ich schrieb den code unten, um das Modell verwenden, wenn es gibt eine, die ich eingebaut und gespeichert vor.

    from sklearn.externals import joblib
svm_linear_estimator = svm.SVC(kernel='linear', probability=False, C=1)
try:
    estimator = joblib.load("/my_models/%s.pkl"%dataset_name)
    print "using trained model"
except:
    print "building new model"
    estimator.fit(data_train, class_train)
    joblib.dump(estimator,"/my_models/%s.pkl"%dataset_name)
    • beim speichern des trainierten Modells, es können mehr als eine Datei. aber Sie es immer noch mit "dataset_name.pkl" Namen. Und variable estimator oben gewesen sein sollte svm_linear_estimator.
    • ich habe gerade festgestellt, dass os.Pfad.exists() ist intelligenter als mit try catch 🙂
    InformationsquelleAutor Bilal Dadanlar
Schreibe einen Kommentar