python - Scikit-learn 模型参数不可用？如果是这样，还有什么 ML 工作台替代方案？

Question

我正在按照 this question 中的建议使用 scikit-learn 进行机器学习.令我惊讶的是，它似乎没有提供对其训练的实际模型的访问。例如，如果我创建一个 SVM、线性分类器甚至一个决策树，它似乎并没有为我提供一种方法来查看为实际训练模型选择的参数。

如果创建模型的部分目的是为了更清楚地了解它使用的功能(例如决策树)，那么查看实际模型会很有用。如果想要使用 Python 训练模型并使用其他一些代码来实际实现模型，那么查看模型也是一个重要问题。

我是否遗漏了 scikit-learn 中的某些内容，或者是否有某种方法可以在 scikit-learn 中实现这一点？如果不是，什么是好的免费机器学习工作台，不一定是 python，其中的模型是透明可用的？

Answer 1

拟合的模型参数直接作为属性存储在模型实例上。这些拟合参数有一个特定的命名约定:它们都以尾随下划线结尾，而不是用户提供的构造函数参数(也称为超参数)。

拟合属性的类型取决于算法。例如，对于内核支持向量机，您将拥有支持向量、对偶系数和截距的数组，而对于随机森林和极端随机化的树，您将拥有一组二叉树(在内存中表示为连续的 numpy 数组，用于性能问题:结构数组表示法)。

有关更多详细信息，请参阅每个模型的文档字符串的属性部分，例如 SVC:

http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html#sklearn.svm.SVC

对于基于树的模型，您还有一个辅助函数来生成学习树的 graphivz_export:

http://scikit-learn.org/stable/modules/tree.html#classification

要了解特征在森林模型中的重要性，您还应该查看 compute_importances 参数，例如，请参见以下示例:

http://scikit-learn.org/stable/auto_examples/ensemble/plot_forest_importances.html#example-ensemble-plot-forest-importances-py

http://scikit-learn.org/stable/auto_examples/ensemble/plot_forest_importances_faces.html#example-ensemble-plot-forest-importances-faces-py