如何使用保留分类器的字符串答案

【问题标题】：how to use a string that keeps a classifier如何使用保留分类器的字符串
【发布时间】：2021-01-07 08:16:28
【问题描述】：

在我的数据库中，我有一个来自以下列的表：Model_type、Train_score、Best_params。

model_type 中有 3 个唯一值：LOGREG、RF、XGBOOST，
train_score 列保存每个模型针对不同参数的 auc_score。
best_params 保留使用的参数。

我使用下面的代码得到每个模型的最佳参数

bests = worker_out.iloc[worker_out.groupby(['MODEL_TYPE'])['TRAIN_SCORE'].idxmax()][["MODEL_TYPE","BEST_PARAMS"]]
bests.set_index("MODEL_TYPE", inplace=True)

LOGREG = bests.loc["LOGREG"][0]
RF = bests.loc["RF"][0]
XGBOOST = bests.loc["XGBOOST"][0]

例如，LOGREG 保持

print(LOGREG)
print(type(LOGREG))

LogisticRegression(C=0.01,class_weight='balanced',l1_ratio=0.2,max_iter=2000,penalty='elasticnet',solver='saga')
<class 'str'>

LOGREG 现在只是一个字符串，但是我可以将它用作分类器。你可以在下面的代码中看到我想要做什么。

LOGREG = LogisticRegression(C=0.01,class_weight='balanced',l1_ratio=0.2,max_iter=2000,penalty='elasticnet',solver='saga')

【问题讨论】：

你把模型和参数的所有组合都存储在表中了吗？还是只存储为每个模型存储的更好的那个？

标签： python pandas machine-learning

【解决方案1】：

LOGREG_model = eval(LOGREG) 怎么样。

我把名字从LOGREG改成了LOGREG_model

【讨论】：

如果有其他更清晰的方法来实现相同的效果，不建议使用字符串评估
@SergeyBushmanov 是的。但其他方法似乎包括一些令人厌烦的解析，我建议将此作为操作的快速解决方案。
快速解决方案有时会中断......

【解决方案2】：

试试字典，而不是熊猫：

from sklearn.ensemble import RandomForestClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification

X, y = make_classification()

rf = RandomForestClassifier()
lr = LogisticRegression()

models = {"rf": rf, "lr": lr}

for model in models:
    models[model].fit(X, y)
    
scores = {}

for model in models:
    scores[model] = models[model].score(X, y)
    
print(scores)

{'lr': 0.9, 'rf': 1.0}

【讨论】：

@furkan 有帮助吗？它回答了你的问题吗？如果是这样，请考虑接受/支持