我希望能够检索训练 scikit-learn 估计器的数据（即拟合后）。
例如，如果我适合这样的 RandomForestClassifier：
rf = RandomForestClassifier()
train_X = np.asarray([[0, 1, 0], [1, 1, 1], [0, 1, 1]])
train_y = np.asarray([1, 0, 1])
rf.fit(train_X, train_y)
有没有办法从估算器返回我的训练数据和类标签？
类似......
rf.X_
>>>array([[0, 1, 0],
[1, 1, 1],
[0, 1, 1]])
【问题讨论】：
标签： python machine-learning scikit-learn
在docs 中，我看不到任何真正允许这样做的东西。但是，您可以尝试像这样定义一个类：
class RFClassifierWithData:
def __init__(self):
self.clf = RandomForestClassifier()
def fit(self, train_X, train_y):
self.train_X = train_X
self.train_y = train_y
self.clf.fit(self.train_X, self.train_y)
试一试：
>>> model = RFClassifierWithData()
>>> model.fit(train_X, train_y)
>>> model.train_X
array([[0, 1, 0],
[1, 1, 1],
[0, 1, 1]])
>>> model.train_y
array([1, 0, 1])
你仍然可以访问拟合的分类器：
>>> model.clf
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
max_depth=None, max_features='auto', max_leaf_nodes=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1,
oob_score=False, random_state=None, verbose=0,
warm_start=False)
请注意，这可能不是最安全或最可靠的方法，但它应该为您提供了一个很好的起点。您可能希望使传递给此类中 __init__ 的参数与基类 RandomForestClassifier 中的参数相等。
编辑：
我仍然认为这是一个有效的选项，即使您尝试从腌制分类器获取数据：
from sklearn.externals import joblib
joblib.dump(model, 'model.pkl')
same_model = joblib.load('model.pkl')
一切都还在：
In [19]: same_model.train_X
Out[19]:
array([[0, 1, 0],
[1, 1, 1],
[0, 1, 1]])
same_model.train_y
Out[20]: array([1, 0, 1])
In [21]: same_model.clf
Out[21]:
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
max_depth=None, max_features='auto', max_leaf_nodes=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1,
oob_score=False, random_state=None, verbose=0,
warm_start=False)
【讨论】：
sklearn.externals.joblib 完成此类工作的难易程度。