我正在尝试重用保存的XGBClassifier,它在训练后通过.predict_proba()方法进行以下预测:
ID——得分
1——0.072253475
2——0.165827038
3--0.098182471
4--0.148302316
但是,在酸洗对象或使用Skleans Joblib模块后重新加载对象后,即使使用完全相同的测试集,预测也会完全关闭:
ID——得分
1——0.46986327
2——0.63513994
3——0.45958066
4——0.8958819
这是分类器:
XGBClassifier(base_score=0.5, booster='gbtree',colsample_bylevel=1,
colsample_bytree=0.8, gamma=1, learning_rate=0.01, max_delta_step=0,
max_depth=4, min_child_weight=1, missing=nan, n_estimators=1500,
n_jobs=-1, nthread=None, objective='binary:logistic',
random_state=777, reg_alpha=2, reg_lambda=1,
scale_pos_weight=0.971637216356233, seed=777, silent=True,
subsample=0.6, verbose=2)
我使用两种不同的方法来pickle对象,sklearn包中提供的Joblib和标准pickle.dump公司使用这些功能:
def save_as_pickled_object(obj, filepath):
import pickle
import os
import sys
"""
This is a defensive way to write pickle.write, allowing for very large files on all platforms
"""
max_bytes = 2**31 - 1
"""
Adding protocol = 4 as an argument to pickle.dumps because it allows for seralizing data greater than 4GB
reference link: https://stackoverflow.com/questions/29704139/pickle-in-python3-doesnt-work-for-large-data-saving
"""
bytes_out = pickle.dumps(obj, protocol=4)
n_bytes = sys.getsizeof(bytes_out)
with open(filepath, 'wb') as f_out:
for idx in range(0, n_bytes, max_bytes):
f_out.write(bytes_out[idx:idx+max_bytes])
def try_to_load_as_pickled_object_or_None(filepath):
import pickle
import os
import sys
"""
This is a defensive way to write pickle.load, allowing for very large files on all platforms
"""
max_bytes = 2**31 - 1
try:
input_size = os.path.getsize(filepath)
bytes_in = bytearray(0)
with open(filepath, 'rb') as f_in:
for _ in range(0, input_size, max_bytes):
bytes_in += f_in.read(max_bytes)
obj = pickle.loads(bytes_in)
except:
return None
return obj
无论我如何保存文件(joblib或pickle),结果都是相同的;也就是说,predict proba分数与我在训练后立即对XGBClassifier对象使用该方法时完全不同。你知道吗
另一方面,在同一个内核上,我使用sgdclassizer做同样的事情,我没有遇到同样的问题。你知道吗
我注意到的一件奇怪的事情是,如果我在训练分类器之后保存它,然后在同一个内核会话中加载它(使用Jupyterlab),概率是相同的。但是,如果我重新启动内核,并通过上面描述的两种方法中的任何一种加载对象,那么我将不再获得相同的概率。你知道吗
我的期望是,使用XGBClassifier上的predict proba方法可以得到相同或几乎相同的概率。你知道吗
谢谢
我想,您转储和读取模型的方式可能有点滑稽,或者您使用的是xgboost版本的一个特性。你知道吗
我可以通过在笔记本中使用以下代码简单地加载持久化的XGB模型(重复“加载模型”部分和内核重启后的初始导入)来完全重现预测的概率
我在
python 3.5.5
的普通jupyter笔记本中使用xgboost 0.71
和joblib 0.12.4
相关问题 更多 >
编程相关推荐