вопрос новичка, использование sklearn, сохранение модели и тестирование одного фрейма данных

Question

вопрос новичка, использование sklearn, сохранение модели и тестирование одного фрейма данных

1

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

user613326 17 окт. 2018, в 11:37

Источник

0

использовать joblib чтобы сохранить модель
Upasana Mittal 17 окт. 2018, в 09:28

Теги:

python

scikit-learn

sklearn-pandas

1 ответ

Ещё вопросы

использовать joblib чтобы сохранить модель

Piotrek · Accepted Answer · 2018-10-17T07-34-00.000Z

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)