Sklearn中通过stdin设置决策函数的权重答案

【问题标题】：Set the weights of decision functions through stdin in SklearnSklearn中通过stdin设置决策函数的权重
【发布时间】：2014-05-13 23:27:21
【问题描述】：

有没有一种方法可以在我的脚本中将系数输入到 SVC 的clf，然后应用clf.score() 或clf.predict() 函数进行进一步测试？

目前我正在使用joblib.dump(clf,'file.plk') 来保存受过训练的clf 的所有信息。但这涉及磁盘写入/读取。如果我可以定义一个clf，其中两个数组分别代表支持向量（clf.support_vectors_）、权重（clf.coef_/clf.dual_coef_）和偏差（clf.intercept_），这对我会有帮助。

【问题讨论】：

我认为这里的问题是 clf 可能有其他状态参数，而不是你提到的那些，所以你最好酸洗或使用 joblib 来保证训练有素的 clf 的可重复性。对于某些具有较少参数但不是 100% 的分类器可能是可能的。你可以试试看。

标签： python scikit-learn svm

【解决方案1】：

This line 从 libsvm 调用预测函数。看起来是这样的（但请看一下整个函数_dense_predict）：

libsvm.predict(
        X, self.support_, self.support_vectors_, self.n_support_,
        self.dual_coef_, self._intercept_,
        self.probA_, self.probB_, svm_type=svm_type, kernel=kernel,
        degree=self.degree, coef0=self.coef0, gamma=self._gamma,
        cache_size=self.cache_size)

您可以使用此行并直接为其提供所有相关信息，并将获得原始预测。为此，您必须导入 libsvm from sklearn.svm import libsvm。如果您的初始拟合分类器称为svc，那么您可以通过将所有self 关键字替换为svc 并保留值来从中获取所有相关信息。如果svc._impl 给你"c_svc"，那么你设置svm_type=0。

请注意，_dense_predict 函数的开头是 X = self._compute_kernel(X)。如果你的数据是X，那么你需要通过K = svc._compute_kernel(X)进行转换，并以K为第一个参数调用libsvm.predict函数

评分独立于这一切。查看sklearn.metrics，您会在其中找到例如accuracy_score，这是 SVM 中的默认分数。

这当然是一种有些次优的做事方式，但在这种特定情况下，如果不可能（我没有非常努力地检查）设置系数，那么进入代码并看看它的作用并提取相关部分肯定是一种选择。

【讨论】：

聪明的方法！非常感谢！

【解决方案2】：

查看this blog post 使用简洁的sklearn 模型的内存使用情况，尝试查看它是否适用。

如果其他位置无法访问 sklearn 包，您需要创建自己的分数和预测函数。 clf.score() 和 clf.predict() 要求 clf 是一个 sklearn 对象。

【讨论】：

我最后一个对此评论表示赞同的答案已被删除，因为我在第一篇文章中要求澄清。但是我还没有离开 cmets 的特权（50 分），所以我无法在那里提问，但仍然觉得我可以做出贡献，所以我只问了我能做的唯一方法。如果他们想在未来避免这个问题，mods 可能应该允许新的潜在回答者离开 cmets。无论如何，上面的答案可能会有所帮助。
再次感谢您！该链接很有帮助。我仍在阅读（不过对于像我这样的入门级来说可能并不容易:)）。我再次赞成你的回答！您现在可以将 cmets 留在帖子中。另外，我从另一篇文章中发现，有些 clf 参数是只读的，我们不能给它们设置参数，遗憾的是包含了支持向量和权重。
你的申请是什么？您希望在其中运行模型的第二个位置是 PC 还是某个嵌入式系统？我希望有某种方法可以在精简的计算环境中运行预训练模型。