有没有可能用sklearn重新训练一个保存的神经网络`

Question

我正在做一个项目，希望对tweet进行分类，并使用sklearn的neural network model。有没有可能用sklearn重新训练这个问题，如果有，请指导我正确的方向。另外，是否值得再培训一个模型，或者我应该在构建网络时调整值。你知道吗

Answer 1

你可以试试下面的方法。你知道吗

from sklearn.externals import joblib
##Suppose your trained model is named MyTrainedModel
##This is how you save it in a file called MyTrainedModelFile.txt.
joblib.dump(MyTrainedModel, 'MyTrainedModelFile.txt')
##Later you can recall the model and use it
Loaded_model = joblib.load('MyTrainedModelFile.txt')

教程是here。你知道吗

如果这是你想要的，请告诉我。你知道吗

Answer 2

使用partial_fit方法MLPClasifier可以很好地做到这一点。我已经为此编写了一个示例代码。如果您批量获取数据，并且训练对您来说是一项成本高昂的操作，那么您可以很好地重新训练保存的模型，因此您不能每次都在获取新的一批数据时对整个数据集进行训练。你知道吗

import pickle
from sklearn.neural_network import MLPClassifier
from sklearn.datasets import make_classification

X, y = make_classification(n_samples=1000, n_classes=4, n_features=11,
                       n_informative=4, weights=[0.25,0.25,0.25,0.25],
                       random_state=0)

x_batch1 = X[0:500]
y_batch1 = y[0:500]

x_batch2 = X[500:999]
y_batch2 = y[500:999]

clf = MLPClassifier()
clf.partial_fit(x_batch1, y_batch1, classes = np.unique(y))  # you need to pass the classes when you fit for the first time


pickle.dump(clf, open("MLP_classifier", 'wb'))
restored_clf = pickle.load(open("MLP_classifier", 'rb'))

restored_clf.partial_fit(x_batch2, y_batch2)

希望这有帮助！你知道吗