, clf.fit (X, Y) çalıştırdıktan sonra destek vektörlerinizi alırsınız. Svm.SVC nesnesini başlatırken bu destek vektörlerini doğrudan (paramter olarak geçerek) yükleyebilir miyim? Bu, her seferinde fit() yöntemini çalıştırmaya gerek olmadığı anlamına gelirscikit SVM'yi öğrenin, destek vektörlerini nasıl kaydeder/yüklersiniz? Python scikit svm kullanarak
scikit SVM'yi öğrenin, destek vektörlerini nasıl kaydeder/yüklersiniz? Python scikit svm kullanarak
cevap
: http://scikit-learn.org/stable/modules/model_persistence.html
1.2.4 Model kalıcılık O kullanarak scikit bir model kaydetmek mümkündür Python yerleşik kalıcılık modeli, yani turşu. scikit spesifik durumda
>>> 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
, büyük veriler üzerinde daha verimlidir turşu joblib en değiştirme, kullanımı daha ilginç olabilir, ama can sadece turşu bir dizeye diske değil:
Eğer eğitimli modeli kaydederken
>>> from sklearn.externals import joblib
>>> joblib.dump(clf, ’filename.pkl’)
Daha sonra kullanmak için modeli kaydedebilirsiniz. Daha önce taktığım ve kaydettiğim bir model olduğunda modeli kullanmak için aşağıdaki kodu yazdım. scikit kılavuzunda itibaren
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)
, bu birden fazla oluşturabilir dosya. ama yine de "dataset_name.pkl" adıyla adlandırıyorsunuz. Yukarıdaki değişken tahmincisi svm_linear_estimator olmalıdır. –
Sadece fark ettim ki os.path.exists(), try catch kullanmanın daha akıllı olduğunu :) –
- 1. scikit-learn'de ölçekleme verileri SVM
- 2. Scikit Learn SVM kullanarak metin sınıflandırması için veri hazırlayın SVM
- 3. Scikit ile Bilgelik Öğrenin K-Means'ı Öğrenin
- 4. Scikit-Öğrenin Lojistik Regresyon Bellek Hatası
- 5. SVC ve SVM arasındaki scikit-learn arasındaki fark nedir?
- 6. scikit-learn kullanarak özellik seçimi
- 7. scikit ile zaman serileri tahmini
- 8. Bir Scikit Verme Hadoop Platformunda Kullanmak için Rastgele Orman Öğrenin
- 9. scikit-learn'in MLPRegressor
- 10. Hedef nedenlerin ölçeklendirilmesi Scikit-öğrenmesi SVM gerilemesinin bozulması
- 11. scikit-learn, linearsvc - eğitimli SVM'den destek vektörleri nasıl edinilir?
- 12. Saptırılmış SVD'den U, Sigma, V * matrisini scikit-öğrenin.
- 13. scikit-learn kullanarak rasgele ormanların paralel üretimi
- 14. küme noktaları (scikit öğrenmek)
- 15. Python'da scikit-tensor kullanımı
- 16. Scikit sınıflandırma raporunu nasıl çizilir?
- 17. Sorun scikit-görüntüde içe
- 18. Scikit-image: 'label' adını alamıyor
- 19. scikit-learn 'verbose' argümanı
- 20. Python scikit-öğrenmek SVM Sınıflandırıcı "ValueError: Loş 3 ile dizi bulundu. Beklenen <= 2"
- 21. scikit-logisticRegression.predict_proba'nın dönüş değerini öğrenmek
- 22. scikit-learn (python) 'da Dengeli Rasgele Orman (python)
- 23. Scikit-learn train_test_split with endeksler
- 24. Bir karar ağacının görselleştirilmesi (örnek: scikit-öğrenmesi)
- 25. scikit-öğrenirken 'getargspec_no_self' adını alamıyor
- 26. piton scikit hatası - hiçbir modül adlı sklearn
- 27. Scikit-learn: True Negative nasıl hesaplanır
- 28. scikit-learn GridSearchCV best_score_ nasıl hesaplanır?
- 29. Minibatch kilometrelerinin (scikit-learn) işlenmesini nasıl dağıtabilirim?
- 30. Python'un scikit-öğrenmesinde ağaç derinliğine nasıl erişiyorsunuz?
Olası yinelenen http://stackoverflow.com/questions/11440970/how-can-i-save-a-libsvm-python-object-instance – Pedrom