Новые для нейронных сетей питона и sklearn, я написал следующую нейронную модель. В наборе поездов он отлично работает с точностью до 98%. Теперь у меня есть некоторые вопросы.
from sklearn.ensemble import GradientBoostingClassifier
model = GradientBoostingClassifier(learning_rate=0.99,max_depth=3)
model.fit(X_standardized, y)
predictions = model.predict(X_standardized)
from sklearn.metrics import confusion_matrix, classification_report
print(confusion_matrix(y, predictions))
print ()
print(classification_report(y,predictions))
Можно сохранить и загрузить состояние нейронной сети.
ea сохраняет градиенты веса.
#something like:
Model.save("c:\neural\testnet.xml")
Как выполнить индивидуальные тесты на одном кадре данных ea:
print ("answer =" ,Model.TestSample(test_data_frame)) # single input
>>> answer = 0.78 ...estimated accuracy 97% # or so
Что касается сохранения состояния модели: вы можете сохранить модель с помощью пакета рассола, например:
import pickle
pickle.dump(model, open('model.sav', 'wb'))
Не уверен, что вы подразумеваете под "индивидуальными тестами на одном кадре данных", но если вы хотите протестировать модель на некоторые разные (тестовые) данные, вы можете просто создать что-то вроде этого:
import sklearn
df_predictions = model.predict( *input X data* )
accuracy = sklearn.metrics.r2_score(*target (y data)*, df_predictions)
joblib
чтобы сохранить модель