Есть ли способ иметь индикатор выполнения для метода подгонки в scikit-learn?Индикатор прогресса для scikit-learn?
Можно ли включить пользовательский с чем-то вроде Pyprind?
Есть ли способ иметь индикатор выполнения для метода подгонки в scikit-learn?Индикатор прогресса для scikit-learn?
Можно ли включить пользовательский с чем-то вроде Pyprind?
Если вы инициализируете модель verbose=True
перед вызовом fit
, вы должны получить какой-то вывод, указывающий прогресс. Например GradientBoostedClassifer
обеспечивает вывод прогресса, который выглядит следующим образом:
Iter Train Loss Remaining Time
1 1.2811 0.71s
2 1.2595 0.58s
3 1.2402 0.50s
4 1.2263 0.46s
5 1.2121 0.43s
6 1.1999 0.41s
7 1.1876 0.39s
8 1.1761 0.38s
9 1.1673 0.37s
10 1.1591 0.36s
20 1.1021 0.29s
30 1.0511 0.27s
40 1.0116 0.25s
50 0.9830 0.22s
60 0.9581 0.19s
70 0.9377 0.16s
80 0.9169 0.14s
90 0.9049 0.12s
100 0.8973 0.10s
fit() получил неожиданный аргумент ключевого слова 'verbose' –
Добавьте ключевое слово в модель, а не вызов метода fit. Кроме того, используя SVR, установка verbose = True добавила никаких выходных данных, насколько я могу судить. – oskopek
Если я чего-то не упускаю, мета-оценки, используемые для multiclass/multilabel, не позволяют использовать такие ключевые слова. Например, вы не можете использовать verbose = True в качестве параметра для OneVsRestClassifier(), только для используемого в нем классификатора. Это печально, потому что вы не можете почувствовать прогресс на высоком уровне. – Stephen
Многие модели поддерживают подробный аргумент, который дает прогресс (а иногда указание на скорости сходимости).
например.
clf = MPLClassifier(verbose=True)
Если у вас есть цикл вне модели обучения, я рекомендую tqdm.
нет, возможно, нет. – cel