Czy istnieje sposób na pasek postępu w metodzie dopasowania w nauce scikit?Pasek postępu dla nauki scikit?
Czy jest możliwe dołączenie niestandardowego z czymś takim, jak Pyprind?
Czy istnieje sposób na pasek postępu w metodzie dopasowania w nauce scikit?Pasek postępu dla nauki scikit?
Czy jest możliwe dołączenie niestandardowego z czymś takim, jak Pyprind?
Jeśli zainicjujesz model pod numerem verbose=True
przed wywołaniem fit
, powinieneś uzyskać dane wyjściowe wskazujące postęp. Na przykład GradientBoostedClassifer
zapewnia wyjście postępu, który wygląda tak:
Iter Train Loss Remaining Time
1 1.2811 0.71s
2 1.2595 0.58s
3 1.2402 0.50s
4 1.2263 0.46s
5 1.2121 0.43s
6 1.1999 0.41s
7 1.1876 0.39s
8 1.1761 0.38s
9 1.1673 0.37s
10 1.1591 0.36s
20 1.1021 0.29s
30 1.0511 0.27s
40 1.0116 0.25s
50 0.9830 0.22s
60 0.9581 0.19s
70 0.9377 0.16s
80 0.9169 0.14s
90 0.9049 0.12s
100 0.8973 0.10s
fit() otrzymała nieoczekiwany argument ze słowem kluczowym "verbose" –
Dodaj słowo kluczowe do modelu, a nie dopasowanie metody połączenia. Ponadto, używając SVR, ustawienie verbose = True dodawało żadnego wyjścia, o ile wiem. – oskopek
O ile czegoś mi nie brakuje, meta-estymatory używane do multiclass/multilabel nie dopuszczają takich słów kluczowych. Na przykład nie można użyć verbose = True jako parametru do OneVsRestClassifier(), tylko do klasyfikatora, którego używasz w nim. Jest to niefortunne, ponieważ nie można uzyskać postępu na wysokim poziomie. – Stephen
Wiele modeli podtrzymywać opisowy argument, który daje postępu (a czasami wskazanie na tempo konwergencji).
np.
clf = MPLClassifier(verbose=True)
Jeśli masz pętlę poza modelu uczenia się, polecam tqdm.
Nie, prawdopodobnie nie. – cel