最近,我一直致力于应用网格搜索交叉验证 (sklearn GridSearchCV) 在具有 Tensorflow 后端的 Keras 中进行超参数调整。一旦我的模型被调整
我试图保存 GridSearchCV 对象供以后使用但没有成功。
超参数调整如下:
x_train, x_val, y_train, y_val = train_test_split(NN_input, NN_target, train_size = 0.85, random_state = 4)
history = History()
kfold = 10
regressor = KerasRegressor(build_fn = create_keras_model, epochs = 100, batch_size=1000, verbose=1)
neurons = np.arange(10,101,10)
hidden_layers = [1,2]
optimizer = ['adam','sgd']
activation = ['relu']
dropout = [0.1]
parameters = dict(neurons = neurons,
hidden_layers = hidden_layers,
optimizer = optimizer,
activation = activation,
dropout = dropout)
gs = GridSearchCV(estimator = regressor,
param_grid = parameters,
scoring='mean_squared_error',
n_jobs = 1,
cv = kfold,
verbose = 3,
return_train_score=True))
grid_result = gs.fit(NN_input,
NN_target,
callbacks=[history],
verbose=1,
validation_data=(x_val, y_val))
备注:create_keras_model 函数初始化和编译 Keras Sequential 模型。
执行交叉验证后,我尝试使用以下代码保存网格搜索对象 (gs):
from sklearn.externals import joblib
joblib.dump(gs, 'GS_obj.pkl')
我得到的错误如下:
TypeError: can't pickle _thread.RLock objects
你能告诉我这个错误的原因是什么吗?
谢谢!
P.S.:joblib.dump 方法适用于保存使用的 GridSearchCV 对象
用于训练来自 sklearn 的 MLPRegressors。
最佳答案
用import joblib
直接
代替from sklearn.externals import joblib
使用以下方法保存对象或结果:joblib.dump(gs, 'model_file_name.pkl')
并使用以下方法加载您的结果:joblib.load("model_file_name.pkl")
这是一个简单的工作示例:
import joblib
#save your model or results
joblib.dump(gs, 'model_file_name.pkl')
#load your model for further usage
joblib.load("model_file_name.pkl")
关于python - 如何保存 GridSearchCV 对象?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51424312/