python - 在 ml 中调用 fit() 后，训练后的数据存储在哪里？

Question

我是机器学习新手，没有太多Python经验。

在下面的代码中，我们调用 fit() 后训练的数据存储在哪里？调用 predict() 后如何知道数据是否经过训练方法。

我知道这可能是一个愚蠢的问题，但我们将非常感谢您提供一些帮助。谢谢

#Fitting Simple linear regression to the training set
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train, y_train) 

#Predicting the Test search results
y_pred = regressor.predict(X_test)

Answer 1

fit() 函数只是将线性模型拟合到您的数据。训练数据已分配给变量 X_train(特征)和 y_train(标签)，因此调用 fit() 后不会存储任何训练数据>。但是，您可以保存经过训练/拟合的模型，其中包括使用训练数据近似的参数。

现在回到你的第二个问题，在将模型拟合到数据之前不可能进行预测。如果您尝试在调用 fit() 之前调用 predict()，您将得到 NotFittedError :

Exception class to raise if estimator is used before fitting.

This class inherits from both ValueError and AttributeError to help with exception handling and backward compatibility.

Example:

>>> from sklearn.svm import LinearSVC
>>> from sklearn.exceptions import NotFittedError
>>> try:
...     LinearSVC().predict([[1, 2], [2, 3], [3, 4]])
... except NotFittedError as e:
...     print(repr(e))
NotFittedError("This LinearSVC instance is not fitted yet. Call 'fit' with
appropriate arguments before using this estimator."...)