pythonsicikit学习超参数调优与核外学习

2024-03-28 10:47:56 发布

您现在位置:Python中文网/ 问答频道 /正文

目前我正在使用

clf = SGDClassifier(loss='log', random_state=1, n_iter=1)

为我训练了一个预测模型。然而,培训数据相当大,所以我使用的是非核心学习。在

clf.partial_fit(X_train, y_train, classes=classes)

另外,我想通过实例GridSearchCVhttp://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html)实现超参数优化

但是看起来,由于GridSearchCV没有提供部分拟合的方法,核外学习是不可能的,我必须将整个数据集保存在内存中。有没有一种方法可以在使用核心外学习的同时进行超参数调整?在


Tags: 数据方法模型log参数trainrandompartial
1条回答
网友
1楼 · 发布于 2024-03-28 10:47:56

我发现了一种使用随机森林进行增量学习的方法有一个叫做scikit graden的库,他们有一个蒙德里安分类器,可以将增量学习或在线学习添加到随机森林中。在

查看mondrian forest上的博客: https://medium.com/mlrecipies/mondrian-forests-making-random-forests-better-and-efficient-b27814c681e5

相关问题 更多 >