Sklearn SGDClassifier部分适合-Java 学习之路

我喜欢使用partial_fit方法来训练分类器 . 我选择了适合内存的数据集样本（100,000行）来测试拟合与partial_fit：

from sklearn.linear_model import SGDClassifier

def batches(l, n):
    for i in xrange(0, len(l), n):
        yield l[i:i+n]

clf1 = SGDClassifier(shuffle=True, loss='log')
clf1.fit(X, Y)

clf2 = SGDClassifier(shuffle=True, loss='log')
n_iter = 60
for n in range(n_iter):
    for batch in batches(range(len(X)), 10000):
        clf2.partial_fit(X[batch[0]:batch[-1]+1], Y[batch[0]:batch[-1]+1], classes=numpy.unique(Y))

然后我用相同的测试集测试两个分类器 . 在第一种情况下，我得到100％的准确度 . 据我了解，SGD默认在训练数据上传递5次（n_iter = 5） .

在第二种情况下，我必须通过60次数据才能达到相同的准确度 .

为什么会出现这种差异（5对60）？或者我做错了什么？

1 回答

我终于找到了答案 . 你需要 shuffle the training data between each iteration ，因为在实例化模型时设置shuffle = True在使用partial_fit时不会改变数据（它只适用于fit） . 注意：在sklearn.linear_model.SGDClassifier page上查找此信息会很有帮助 .

修订后的守则内容如下：

from sklearn.linear_model import SGDClassifier
import random
clf2 = SGDClassifier(loss='log') # shuffle=True is useless here
shuffledRange = range(len(X))
n_iter = 5
for n in range(n_iter):
    random.shuffle(shuffledRange)
    shuffledX = [X[i] for i in shuffledRange]
    shuffledY = [Y[i] for i in shuffledRange]
    for batch in batches(range(len(shuffledX)), 10000):
        clf2.partial_fit(shuffledX[batch[0]:batch[-1]+1], shuffledY[batch[0]:batch[-1]+1], classes=numpy.unique(Y))

回复于 2024-05-05T19:15:48+08:00

Sklearn SGDClassifier部分适合

1 回答

相关问题