Я занимаюсь машиной, используя scikit-learn, как рекомендовано в this question. К моему удивлению, он не обеспечивает доступ к фактическим моделям, которые он тренирует. Например, если я создаю SVM, линейный классификатор или даже дерево решений, он, похоже, не дает мне возможности увидеть параметры, выбранные для фактически обученной модели.Параметры модели Scikit-learn недоступны? Если это так, то альтернатива ML workbench?
Видение реальной модели полезно, если модель создается частично, чтобы получить более четкое представление о том, какие функции она использует (например, деревья решений). Увидеть модель также является важной проблемой, если вы хотите использовать Python для обучения модели и некоторого другого кода для ее реализации.
Я что-то упустил в scikit-learn или есть какой-то способ получить это в scikit-learn? Если нет, то какой хороший рабочий инструмент для машинного обучения, не обязательно в python, , в котором модели прозрачно доступны?
Это называется scikit учиться, не SciPy sklearn. 'sklearn' - это имя модуля верхнего уровня библиотеки. –
Doh! Благодарю. Моя ошибка, не знаю, о чем я думал. Вопрос исправлен. –
BTW Я начал совершенствовать документацию лесных моделей, чтобы добавить новый абзац о том, как вычислить материал по значимости, поскольку он отсутствовал. Http://scikit-learn.org/dev/modules/ensemble.html#feature-importance- оценка – ogrisel