Параметры модели Scikit-learn недоступны? Если это так, то альтернатива ML workbench?

Question

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.

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?

Answer 1

Установленные параметры модели хранятся непосредственно в качестве атрибутов экземпляра модели. Существует определенное соглашение об именах для этих установленных параметров: все они заканчиваются завершающим подчеркиванием в отличие от параметров конструктора, предоставленных пользователем (гиперпараметры a.k.a.), которых нет.

Тип установленных атрибутов зависит от алгоритма. Например, для ядро ​​Support Vector Machine у ​​вас будут векторы поддержки массивов, двойные коэффициенты и перехваты, а для случайных лесов и экстремально рандомизированных деревьев у вас будет коллекция бинарных деревьев (внутренне представленная в памяти как непрерывные массивы numpy для производительности: структура представления массивов).

Смотрите раздел Атрибуты строку документации каждой модели для более подробной информации, например, для SVC:

http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html#sklearn.svm.SVC

Для моделей деревьев на основе вы также вспомогательную функцию для создания graphivz_export из изученных деревьев :

http://scikit-learn.org/stable/modules/tree.html#classification

Чтобы найти значение функции в лесах модели вы также должны взглянуть на параметр compute_importances, s Е.Е. следующие примеры, например:

http://scikit-learn.org/stable/auto_examples/ensemble/plot_forest_importances.html#example-ensemble-plot-forest-importances-py

http://scikit-learn.org/stable/auto_examples/ensemble/plot_forest_importances_faces.html#example-ensemble-plot-forest-importances-faces-py