Я обучил модель в scikit-learn
с использованием Cross-Validation
и Naive Bayes
классификатора. Как я могу продолжать эту модель, чтобы позже работать с новыми экземплярами?Сохранение модели перекрестной проверки в Scikit
Вот просто то, что у меня есть, я могу получить CV
баллы, но я не знаю, как получить доступ к обученной модели
gnb = GaussianNB()
scores = cross_validation.cross_val_score(gnb, data_numpy[0],data_numpy[1], cv=10)
Я хочу, чтобы соответствовать оценщик с помощью перекрестной проверки, я имею в виду для расчета параметров с помощью перекрестной проверки. Итак, как я могу это сделать? – Ali
@alivar, CV подходит для разных классификаторов на разных подмножествах набора данных, а затем усредняет их баллы. Вот почему нет такого понятия, как установка оценки с cross_validation. В принципе, вы должны просто поместить оценку в полный набор данных. Если вы хотите найти гиперпараметры для оценки - посмотрите на [GridSearchCV] (http://scikit-learn.org/stable/modules/generated/sklearn.grid_search.GridSearchCV.html#sklearn.grid_search.GridSearchCV) –
GridSearchCV был отлично, но после тренировки я не могу найти векторы тета и сигмы. BTE позвольте мне объяснить мою проблему снова, чтобы у вас могло быть лучшее решение для меня или исправить меня. У меня есть набор данных с помеченными экземплярами, которые я могу использовать для обучения классификатора, тогда мне нужно запустить классификатор в новых экземплярах, для которых я не знаю истинную категорию класса. Теперь меня беспокоит то, что если я просто тренирую GaussianNB, используя помеченный набор данных, я не уверен, что он дает мне классификатор с той же точностью, который при использовании CV я получаю. Имеет ли это смысл? – Ali