测试sklearn模型是否适合的最佳方法是什么？

Question

检查sklearn模型是否已安装的最优雅方法是什么？即它是否fit()在实例化之后调用了它的函数.

Answer 1

你可以这样做:

from sklearn.exceptions import NotFittedError

for model in models:
    try:
        model.predict(some_test_data)
    except NotFittedError as e:
        print(repr(e))

理想情况下,您可以检查model.predict预期结果的结果,但如果您想知道是否所有模型都适合,那么就足够了.

更新:

一些评论者建议使用check_is_fitted.我认为check_is_fitted是一种内部方法.大多数算法会调用check_is_fitted他们的预测方法,而预测方法可能会NotFittedError在需要时提升.check_is_fitted直接使用的问题在于它是特定于模型的,即您需要根据算法知道要检查的成员.例如:

???????????????????????????????????????????????????????????????
? Tree models    ? check_is_fitted(self, 'tree_')             ?
? Linear models  ? check_is_fitted(self, 'coefs_')            ?
? KMeans         ? check_is_fitted(self, 'cluster_centers_')  ?
? SVM            ? check_is_fitted(self, 'support_')          ?
???????????????????????????????????????????????????????????????

等等.所以一般情况下我会建议调用model.predict()并让特定算法处理检查它是否已经安装的最佳方法.

Answer 2

我为分类器执行此操作：

def check_fitted(clf): 
    return hasattr(clf, "classes_")