使用 scikit-learn 重新初始化学习的线性模型答案

【问题标题】：Reinitializing learned linear models with scikit-learn使用 scikit-learn 重新初始化学习的线性模型
【发布时间】：2013-05-14 14:23:07
【问题描述】：

假设我运行SGDRegressor 或SGDClassifier，得到一组我想在未来使用的系数。进行基本预测绝对是微不足道的（因为对于回归器，它只是矩阵乘法），但如果能够在拟合模型上使用其他方法（如 predict_proba 等），那就太好了。一般有没有办法做到这一点？我一直在查看文档，但找不到任何东西。

为了清楚起见，具体的代码示例：

from sklearn import linear_model

sgd = linear_model.SGDRegressor()
sgd.fit([[0, 1, 1], [0, -1, 1]], [0, 1])
coefs = sgd.coef_
intercept = sgd.intercept_

我想做的只是将coefs 和intercept 存储在某个地方，然后能够用它们重新初始化SGDRegressor。这可能吗？

【问题讨论】：

predict_proba 的实现因损失函数而异，因此您最好腌制整个估算器。

标签： python scikit-learn

【解决方案1】：

系数可以帮助您进行一些其他计算。但如果不是这种情况，您可以将学习的模型保存到您的光盘中，稍后使用它而无需重新初始化。

这里是一个例子：scikit learn SVM, how to save/load support vectors?

【讨论】：