Ich benutze Scikitlearn, um eine SVM zu trainieren. Ich habe mich gefragt, ob es möglich wäre, das Training immer wieder anzuhalten, um die Genauigkeit des aktuellen Modells in meinem Validierungsset zu testen. Letztendlich möchte ich eine Validierungsgenauigkeitskurve erstellen. mit .Fit() trainiert eine SVM den ganzen Weg, aber das gibt mir nur einen Genauigkeitsdatenpunkt am Endescikit lernen SVM stop und Zugriff während des Trainings
2
A
Antwort
0
Es gibt einen kleinen Trick, den Sie tatsächlich verwenden können.
Sie können den Parameter max_iter
Ihres SVC
Klassifikators abspielen. Zum Beispiel können Sie mehrere Klassifikatoren mit unterschiedlicher Anzahl von Iterationen erhalten.
Hier ist, was Sie tun können:
import numpy as np
for i in np.arange(10, 1000, 100):
svm = SVC(max_iter=i) # and your other parameters
svm.fit(X, y)
... # here retrieve your metrics
Dadurch werden Sie so zeigen, wie der Klassifikator auf unterschiedlichen Ebenen der Ausbildung durchführt.
Verwandte Themen
- 1. Python sklearn zeige Verlustwerte während des Trainings
- 2. Python & scikit Lernen: Matrix-Vektor-Produkt während des Trainings mit benutzerdefinierten Anruf ersetzen
- 3. Zeitreihenprognose mit scikit lernen
- 4. Scikit Learn SVM - Eingabearten
- 5. Scikit-lernen SVM: Umformung X führt zu inkompatiblen Formen
- 6. OneClassSVM scikit lernen
- 7. scikit lernen SVM, wie Support Vektoren zu speichern/laden?
- 8. Ändern des Modells während des Trainings [Tensorflow]
- 9. Scikit-learn SVM Ziffernerkennung
- 10. Inkrementelles Lernen von SVM
- 11. Keras zeigt keinen Fortschrittsbalkenpfeil während des Trainings
- 12. laden nächste Charge während des Trainings Schritt
- 13. Caffe: Leere Datei Ausnahme während des Trainings
- 14. Offset Randomforestclassifier scikit lernen
- 15. scikit-lernen TfidfVectorizer Bedeutung?
- 16. Scikit lernen Installation
- 17. Scikit-lernen Verwirrung Matrix
- 18. Tensorflow beginnt schnell und verlangsamt sich während des Trainings
- 19. Batch-Gradienten-Abstieg mit Scikit lernen (Sklearn)
- 20. Kann ein SVM inkrementell lernen?
- 21. Skalieren von Daten in scikit-learn SVM
- 22. Resampling in Scikit-lernen und/oder Pandas
- 23. Scikit-lernen train_test_split mit Indizes
- 24. Scikit-lernen entspricht für C++?
- 25. Python scikit MLPClassifier lernen "hidden_layer_sizes"
- 26. Falsche Abmessungen sciKit Lasso lernen
- 27. scikit lernen Entscheidung Baummodell Auswertung
- 28. Ein Fortschrittsbalken für scikit-lernen?
- 29. .arff-Dateien mit scikit-lernen?
- 30. Scikit-learn Grid Suche mit SVM Regression
Ich habe dies tatsächlich versucht, bevor ich auf Stack Overflow gepostet habe, aber ich erinnere mich, irgendwo gelesen zu haben, dass .Fit() die Gewichte, die es bereits gelernt hatte, entfernen würde. Ich möchte .Fit() von dort abholen, wo es jedes mal durch die Schleife gegangen ist. –