如何以编程方式检测 Scikit-learn 警告答案

【问题标题】：How to detect a Scikit-learn warning programmatically如何以编程方式检测 Scikit-learn 警告
【发布时间】：2018-06-14 12:26:37
【问题描述】：

在使用sklearn.neural_network.MLPClassifier 拟合模型时，我有时会收到控制台中打印的警告：

ConvergenceWarning：随机优化器：达到最大迭代次数 (300)，优化尚未收敛。

有没有办法在运行时检测到警告以便我可以采取行动？

【问题讨论】：

标签： python python-3.x scikit-learn

【解决方案1】：

您可以使用warnings.catch_warnings实时捕捉警告

import warnings

with warnings.catch_warnings()
    warnings.filterwarnings('error')
    try:
        model.fit(X, y)
    except Warning:
        # do something in response

此结构将捕获任何在线警告，并允许您以您认为合适的方式对其进行响应。在这种情况下，可能会修改某些超参数以使模型更容易收敛。

您还可以使用warnings.filterwarnings 忽略警告，并且可以指定要忽略的警告类型。

忽略ConvergenceWarning：

from sklearn.execpetions import ConvergenceWarning

warnings.filterwarnings('ignore', category=ConvergenceWarning)

...

【讨论】：

警告是 API 的一部分吗？文档似乎没有保证警告在整个版本中保持不变，所以这种方法对我来说似乎有点脆弱。

【解决方案2】：

拟合后检查n_iter_属性。如果小于您配置的最大迭代次数 (max_iter)，则它收敛。

【讨论】：

您可以从块内的哪个对象/类获得n_iter？一些代码会有所帮助。
这个答案不正确。例如，AffinityPropagation 可以提前停止，发出警告并返回一些任意结果而无需实际收敛。