fit后检索训练数据

Question

我希望能够检索到scikit-learn估计器训练过的数据(即，在拟合之后)。

例如，如果我像这样拟合一个RandomForestClassifier：

rf = RandomForestClassifier()
train_X = np.asarray([[0, 1, 0], [1, 1, 1], [0, 1, 1]])
train_y = np.asarray([1, 0, 1])
rf.fit(train_X, train_y)

有没有办法从估计器返回我的训练数据和类标签？

就像..。

rf.X_
>>>array([[0, 1, 0],
          [1, 1, 1],
          [0, 1, 1]])

Answer 1

从docs上看，我没有看到任何真正允许这样做的东西。但是，您可以尝试像这样定义一个类：

class RFClassifierWithData:
    def __init__(self):
        self.clf = RandomForestClassifier()
    def fit(self, train_X, train_y):
        self.train_X = train_X
        self.train_y = train_y
        self.clf.fit(self.train_X, self.train_y)

尝试一下：

>>> model = RFClassifierWithData()
>>> model.fit(train_X, train_y)
>>> model.train_X
array([[0, 1, 0],
       [1, 1, 1],
       [0, 1, 1]])
>>> model.train_y
array([1, 0, 1])

并且您仍然可以访问已安装的分类器：

>>> model.clf
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
            max_depth=None, max_features='auto', max_leaf_nodes=None,
            min_samples_leaf=1, min_samples_split=2,
            min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1,
            oob_score=False, random_state=None, verbose=0,
            warm_start=False)

请注意，这可能不是执行此操作的最安全或最健壮的方式，但它应该为您提供一个很好的起点。您可能希望使该类中传递给__init__的参数与RandomForestClassifier基类中的参数相等。

编辑：

我仍然认为这是一个有效的选择，即使你试图从一个酸洗过的分类器中获取数据：

from sklearn.externals import joblib

joblib.dump(model, 'model.pkl')
same_model = joblib.load('model.pkl')

一切都还在：

In [19]: same_model.train_X
Out[19]: 
array([[0, 1, 0],
       [1, 1, 1],
       [0, 1, 1]])

same_model.train_y
Out[20]: array([1, 0, 1])
In [21]: same_model.clf
Out[21]: 
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
            max_depth=None, max_features='auto', max_leaf_nodes=None,
            min_samples_leaf=1, min_samples_split=2,
            min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1,
            oob_score=False, random_state=None, verbose=0,
            warm_start=False)