<分区>
我在 python 中创建了以下函数:
def cross_validate(algorithms, data, labels, cv=4, n_jobs=-1):
print "Cross validation using: "
for alg, predictors in algorithms:
print alg
print
# Compute the accuracy score for all the cross validation folds.
scores = cross_val_score(alg, data, labels, cv=cv, n_jobs=n_jobs)
# Take the mean of the scores (because we have one for each fold)
print scores
print("Cross validation mean score = " + str(scores.mean()))
name = re.split('\(', str(alg))
filename = str('%0.5f' %scores.mean()) + "_" + name[0] + ".pkl"
# We might use this another time
joblib.dump(alg, filename, compress=1, cache_size=1e9)
filenameL.append(filename)
try:
move(filename, "pkl")
except:
os.remove(filename)
print
return
我认为为了进行交叉验证，sklearn 必须适合您的功能。
但是，当我稍后尝试使用它时(f 是我在上面保存的 pkl 文件 joblib.dump(alg, filename, compress=1, cache_size=1e9)):
alg = joblib.load(f)
predictions = alg.predict_proba(train_data[predictors]).astype(float)
我在第一行中没有收到任何错误(所以看起来负载正在工作)，但随后它告诉我NotFittedError: Estimator not fitted, callfitbefore exploiting the model。 在下一行。
我做错了什么？我不能重用适合计算交叉验证的模型吗？我看了Keep the fitted parameters when using a cross_val_score in scikits learn但要么我不明白答案，要么这不是我要找的。我想要的是用 joblib 保存整个模型，这样我以后就可以使用它而无需重新拟合。