Scikit-learn模型参数不可用？如果是这样的ML工作台替代品？

Question

我正在使用scikit-learn进行机器学习,如本问题所推荐的那样.令我惊讶的是,它似乎无法访问它训练的实际模型.例如,如果我创建一个SVM,线性分类器甚至决策树,它似乎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.

如果部分地创建模型以便更清楚地了解它正在使用哪些特征(例如,决策树),则看到实际模型是有用的.如果想要使用Python来训练模型和其他一些代码来实际实现它,那么看模型也是一个重要的问题.

我是否在scikit-learn中遗漏了某些东西,或者是否有某种方法可以在scikit-learn中实现这一目标？如果没有,什么是一个好的免费机器学习工作台,不一定在python中,哪些模型透明可用？

Answer 1

拟合的模型参数直接作为属性存储在模型实例上.这里是为那些安装参数特定的命名约定:他们有尾随全部结束下划线,而不是用户提供的构造函数的参数(又名超参数)不.

拟合属性的类型取决于算法.例如,对于内核支持向量机,您将拥有数组支持向量,双系数和截距,而对于随机森林和极端随机树,您将拥有一组二进制树(内部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).

有关更多详细信息,请参阅每个模型的docstring的Attributes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

要查找功能在森林模型中的重要性,您还应该查看compute_importances参数,例如,请参阅以下示例:

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