我试图对朴素bayes估计量执行部分拟合,但在部分拟合之前保留估计量的副本。clone只克隆估计器参数,而不是数据,因此在这种情况下不有用。对克隆执行部分匹配仅使用部分匹配期间添加的数据,因为克隆实际上是空的。
from sklearn.naive_bayes import MultinomialNB
model = MultinomialNB()
fit_model = model.fit(np.array(X),np.array(y))
fit_model2 = model.partial_fit = (np.array(Z),np.array(w)),np.unique(y))
在上面的示例中,fit_model和fit_model2将是相同的,因为它们都指向同一个对象。我想保留原稿不变。我的解决方法是对原始对象进行pickle并将其加载到一个新对象中以执行部分匹配。像这样:
model = MultinomialNB()
fit_model = model.fit(np.array(X),np.array(y))
import pickle
with open('saved_model', 'wb') as f:
pickle.dump([model], f)
with open('saved_model', 'rb') as f:
[model2] = pickle.load(f)
fit_model2 = model2.partial_fit(np.array(Z),np.array(w)),np.unique(y))
而且每次我都可以用新的数据完全重新安装,但是由于我需要执行数千次,所以我试图找到更有效的方法。
model.fit()
返回模型本身(相同的对象)。所以你不必把它赋给另一个变量,因为它只是一个别名。可以使用
deepcopy
以与加载pickled对象类似的方式复制对象。所以如果你做了如下的事情:
model2
将是一个不同的对象,具有复制的参数model
,包括“训练”参数。model和model2现在是完全不同的对象。模型2上的partial_fit()对模型没有影响。deepcopy之后的两个权重向量相同,但在model2的partial_fit()之后不同
相关问题 更多 >
编程相关推荐