SGDClassifier mit predict_proba

Question

Ich benutze sklearn Bibliotheken zum Training und Testen meiner Daten.

targetDataCsv = pd.read_csv("target.csv","rt")) 
testNormalizedCsv = csv.reader(open("testdf_new.csv","rt",encoding="utf-8")) 
traningNormalizedCsv = pd.read_csv("traindf_new.csv", skiprows=1,nrows=99999) 
df = pd.read_csv("testdf_new.csv", skiprows=1, nrows=9999) 

Ich wollte partial_fit Methode des SGDClassifier da meine Trainingsdaten haben mehr als 200000 Zeilen verwenden.

X = traningNormalizedCsv.values 
y = targetDataCsv.values 
clf = SGDClassifier() 
clf.partial_fit(X, y) 

Aber dieser Klassifikator nicht über predict_proba Methode, um die Zielwahrscheinlichkeit für meine Testdaten zu erhalten.

clf.predict_proba(df.values) 

Bitte vorschlagen.

Answer 1

Wie Sie in doc sehen können - Diese Methode ist nur für Log-Verlust und modifizierte Huber-Verlust verfügbar.

Sie müssen also Ihre Verlustfunktion ändern.

from sklearn.linear_model import SGDClassifier 
import numpy as np 
X = np.random.random_sample((1000,3)) 
y = np.random.binomial(3, 0.5, 1000) 
model = SGDClassifier(loss="modified_huber") 
model.partial_fit(X, y, classes=np.unique(y)) 
print(model.predict_proba([[0.5,0.6,0.7]])) 

Ausgang Beispiel: [[0. 0. 1. 0.]]