当与TPOT相匹配时，fitted_pipeline_是否对整个数据集进行了再培训？

Question

我使用的是LeaveOutGroupOut的简历策略和TPOTRegressor。

from tpot import TPOTRegressor
from sklearn.model_selection import LeaveOneGroupOut

tpot = TPOTRegressor(
    config_dict=regressor_config_dict,
    generations=100,
    population_size=100,
    cv=LeaveOneGroupOut(),
    verbosity=2,
    n_jobs=1)

tpot.fit(XX, yy, groups=groups)

经过优化后，最佳评分训练流水线存储在tpot.fitted_pipeline_和tpot.fitted_pipeline_.predict(X)中。

我的问题是:安装好的管道将接受什么训练？例如：

• 在将整个数据集存储在tpot.fitted_pipeline_中之前，tpot是否使用整个数据集重新修改了优化的管道？
• 或者，这是一条经过训练的管道，它来自于

另外，是否有一种方法可以访问与获胜/优化管道的分割集相对应的完整的经过训练的模型？

Answer 1

TPOT将在完整的训练集：code 上符合最终的“最佳”管线。

因此，如果您计划通过TPOT对象直接与“最佳”管道交互，则建议永远不要将测试数据传递给TPOT函数。

如果这对您来说是个问题，您可以通过tpot.fitted_pipeline_属性直接对管道进行重新培训，它只是一个sklearn管道对象。或者，您可以使用export函数将“最佳”管道导出到相应的Python代码，并与TPOT之外的管道进行交互。

另外，是否有一种方法可以访问与获胜/优化管道的分割集相对应的完整的经过训练的模型？

不是的。TPOT在评价管道时使用了sklearn的cross_val_score，因此它从CV过程中抛出了一组经过训练的管道。但是，您可以访问TPOT通过tpot.evaluated_individuals_属性计算的每个管道的评分结果。