模型测试的时机和决策树分类器的训练

Posted 2023-03-12

【中文标题】模型测试的时机和决策树分类器的训练

【英文标题】：Timing of model testing and training of a decision tree classifier

【发布时间】：2020-08-18 12:17:34

【问题描述】：

我使用决策树分类器得到了多类分类汇总，代码如下，

from sklearn.tree import DecisionTreeClassifier

classifier = DecisionTreeClassifier(random_state=17)
classifier.fit(train_x, train_Y)

pred_y = classifier.predict(test_x)
print(classification_report(test_Y,pred_y))
accuracy_score(test_Y,pred_y)

输出没有任何关于测试或训练数据集的时间数据。

如何获取模型的测试时间和训练时间？

【参考方案1】：

一些 scikit-Learn 模型确实有一个 verbose 参数，它允许您控制拟合过程的详细程度，包括时间，请参阅一些示例 here。但DecisionTreeClassifier 的情况并非如此。尽管您可以做一件简单的事情，但就是自己计时：

import time

start_time = time.time()
classifier.fit(X_train, y_train)
elapsed_time = time.time() - start_time
print(f'elapsed_time:.2fs elapsed during training')

或者你可以用Pipeline 包装它，将verbose 设置为高于0 的值（请注意，sklearn 管道的有趣功能是封装转换列表以按顺序方式应用和最终估计器):

from sklearn.pipeline import Pipeline

pipe = Pipeline([('tree', DecisionTreeClassifier())], verbose=3)
pipe.set_params(tree__random_state=17).fit(X_train, y_train)