代码之家 › 专栏 › 技术社区 › Fredz0r

在sklearn管道中实现模型的custom.fit()方法

linear-regression scikit-learn python

Fredz0r · 技术社区 · 5 年前

我在交叉验证中使用了许多管道进行比较。作为一个基准模型,我想包括一个简单的模型,它总是使用相同的固定系数,因此,不依赖于训练数据。为了得到我想要的模型,我决定继承sklearns线性模型的所有行为并实现我自己的.fit()方法,它实际上并不查看列车数据,而是始终使用存储的模型。

当使用我的自定义实现作为模型时,它工作得很好,但是作为管道的一部分,我得到了 不适合箭头 .

import numpy as np
import pickle
from sklearn.linear_model import LinearRegression
from sklearn.pipeline import Pipeline

X = np.array([[1],[2],[3]])
y = [10,20,30]

model = LinearRegression(fit_intercept=False).fit(X,y)
pickle.dump(model, open('benchmark_model.txt', 'wb'))
print (model.coef_)

[10.]

定义我自己的benchmark_model(),它实现了自定义的fit方法。fit方法打开存储的模型

class benchmark_model(LinearRegression):
      def fit(self, X, y = None):
            self = pickle.load(open('benchmark_model.txt', 'rb')) 
            return self

X=np.array([[1],[2],[3]])
y=[5,10,15]

model = benchmark_model()
model = model.fit(X,y)

print (model.coef_)
print (model.predict(X))

[10.] 〔10〕。20岁。30.]

现在,我首先使用一个正常的线性回归作为管道的一部分,它看起来像预期的那样:

pipe = Pipeline([('model',LinearRegression())])
pipe.fit(X,y).predict(X)

数组([5,10,15.])

pipe = Pipeline([('model',benchmark_model())])
pipe.fit(X,y).predict(X)

notfittedror:此基准模型实例尚未安装。在使用此方法之前,请使用适当的参数调用“fit”。

0 回复 | 直到 5 年前

rvf 5 年前

我想管道在 benchmark_model.fit() 返回类的实例 LinearRegression 而不是 benchmark_model . 如果我们只是从固定模型中复制学习到的参数,那么这似乎是可行的:

class benchmark_model(LinearRegression):
    def fit(self, X, y = None):
        fixed_model = pickle.load(open('benchmark_model.txt', 'rb')) 
        self.coef_ = fixed_model.coef_
        self.intercept_ = fixed_model.intercept_
        return self

fit 实际返回的实例 基准模型