Sklearn Comment faire pour Enregistrer un Modèle Créé à Partir d'un Pipeline et GridSearchCV à l'Aide de Joblib ou Cornichon?
Après l'identification de la meilleure des paramètres à l'aide d'un pipeline
et GridSearchCV
, comment puis-je pickle
/joblib
ce processus de ré-utiliser plus tard? Je vois comment le faire quand c'est un seul classifieur...
from sklearn.externals import joblib
joblib.dump(clf, 'filename.pkl')
Mais comment puis-je enregistrer ce pipeline
avec les meilleurs paramètres après l'exécution et l'achèvement d'une gridsearch
?
J'ai essayé:
joblib.dump(grid, 'output.pkl')
- Mais qui sous-évaluées chaque gridsearch
tentative (plusieurs fichiers)joblib.dump(pipeline, 'output.pkl')
- Mais Je
ne pense pas que contient le meilleur des paramètres
X_train = df['Keyword']
y_train = df['Ad Group']
pipeline = Pipeline([
('tfidf', TfidfVectorizer()),
('sgd', SGDClassifier())
])
parameters = {'tfidf__ngram_range': [(1, 1), (1, 2)],
'tfidf__use_idf': (True, False),
'tfidf__max_df': [0.25, 0.5, 0.75, 1.0],
'tfidf__max_features': [10, 50, 100, 250, 500, 1000, None],
'tfidf__stop_words': ('english', None),
'tfidf__smooth_idf': (True, False),
'tfidf__norm': ('l1', 'l2', None),
}
grid = GridSearchCV(pipeline, parameters, cv=2, verbose=1)
grid.fit(X_train, y_train)
#These were the best combination of tuning parameters discovered
##best_params = {'tfidf__max_features': None, 'tfidf__use_idf': False,
## 'tfidf__smooth_idf': False, 'tfidf__ngram_range': (1, 2),
## 'tfidf__max_df': 1.0, 'tfidf__stop_words': 'english',
## 'tfidf__norm': 'l2'}
OriginalL'auteur Jarad | 2015-12-07
Vous devez vous connecter pour publier un commentaire.
Si vous voulez vider votre objet dans un fichier utilisation:
OriginalL'auteur Ibraim Ganiev