2015-12-13 12 views

Antwort

10

Wenn Sie das Modell mit verbose=True vor dem Aufruf fit initialisieren, sollten Sie eine Art Ausgabe erhalten, die den Fortschritt anzeigt. Zum Beispiel GradientBoostedClassifer liefert Fortschritt Ausgabe, die wie folgt aussieht:

Iter  Train Loss Remaining Time 
    1   1.2811   0.71s 
    2   1.2595   0.58s 
    3   1.2402   0.50s 
    4   1.2263   0.46s 
    5   1.2121   0.43s 
    6   1.1999   0.41s 
    7   1.1876   0.39s 
    8   1.1761   0.38s 
    9   1.1673   0.37s 
    10   1.1591   0.36s 
    20   1.1021   0.29s 
    30   1.0511   0.27s 
    40   1.0116   0.25s 
    50   0.9830   0.22s 
    60   0.9581   0.19s 
    70   0.9377   0.16s 
    80   0.9169   0.14s 
    90   0.9049   0.12s 
    100   0.8973   0.10s 
+2

fit() hat ein unerwartetes Schlüsselwort argument 'verbose' –

+1

Fügen Sie das Schlüsselwort dem Modell hinzu, nicht den Fit-Methodenaufruf. Bei der Verwendung von SVR hat das Setzen von verbose = True keine Ausgabe hinzugefügt, soweit ich das beurteilen kann. – oskopek

+0

Wenn ich etwas nicht vermisse, erlauben die Meta-Schätzer, die für Multiclass/Multilabel verwendet werden, solche Schlüsselwörter nicht. Beispielsweise können Sie verbose = True nicht als Parameter für OneVsRestClassifier() verwenden, sondern nur für den Klassifikator, den Sie verwenden. Das ist bedauerlich, weil Sie keinen Sinn für Fortschritte auf hohem Niveau bekommen. – Stephen

12

Viele Modelle unterstützen eine ausführliche Argumentation, die den Fortschritt (und manchmal auch ein Hinweis auf die Geschwindigkeit der Konvergenz) gibt.

z.B.

clf = MPLClassifier(verbose=True)

(see MLPClassifier)

Wenn Sie eine Schleife außerhalb des Lernmodell haben, empfehle ich tqdm.

Verwandte Themen