适合循环后如何保存sklearn模型答案

【问题标题】：How to save sklearn model after fitting in for loop适合循环后如何保存sklearn模型
【发布时间】：2020-12-15 13:39:40
【问题描述】：

我正在使用管道在 for 循环中拟合两个 sklearn 模型，并尝试将它们分开命名并稍后使用此管道进行预测，

names = ["Linear", "Elastic"]
models = [LinearRegression(),ElasticNet()]
model_fit = [x + 'fit' for x in names]

for name, model, fits in zip(names, models, model_fit):
    steps = [('scaler', MinMaxScaler()),(name, model)]
    pipe = Pipeline(steps)
    fits = pipe.fit(x_train, y_train)

但我无法在不同的循环中预测它。

for i, model in enumerate(model_fit):
   predictions = model.predict(x_test)

收到以下错误

'str' object has no attribute 'predict'

如何以不同的名称拟合和检索这两个模型？

【问题讨论】：

names = ["Linear", "Elastic"] 和 model_fit = [x + 'fit' for x in names]，这两行导致 model_fit 是一个字符串列表。也许您想改用models 列表。
你能用上面的例子解释一下吗
你是说for i, model in enumerate(models):
不，因为这不能照顾我的管道。我正在尝试给每个管道类型一个新名称
如果我理解正确，model_fit 是管道的名称。名称无法预测，因为它不是模型。因此，您需要将拟合好的模型存储在另一个数组中，并在第二个循环中使用它们。

标签： python pandas scikit-learn

【解决方案1】：

您的 model_fit 变量是一个字符串数组，因此您不应在第二个 for 循环中使用它。您应该做的是将模型存储在另一个数组中并使用它。

names = ["Linear", "Elastic"]
models = [LinearRegression(),ElasticNet()]
model_fit = [x + 'fit' for x in names]
fitted_models = []

for name, model, fits in zip(names, models, model_fit):
    steps = [('scaler', MinMaxScaler()),(name, model)]
    pipe = Pipeline(steps)
    fits = pipe.fit(x_train, y_train)
    fitted_models.append(fits)

for i, model in enumerate(fitted_models):
   predictions = model.predict(x_test)

【讨论】：

完美！谢谢，我错过了一些东西