KNeighborsClassifier' 对象没有属性 'append'

Posted 2023-03-12

【中文标题】KNeighborsClassifier\' 对象没有属性 \'append\'

【英文标题】：KNeighborsClassifier' object has no attribute 'append'KNeighborsClassifier' 对象没有属性 'append'

【发布时间】：2021-05-26 11:31:11

【问题描述】：

我正在尝试向保存的 pickle 文件（KNNClassifier 对象）添加新的编码和名称 - 但无法追加。

 # Save the trained KNN classifier
    if os.path.getsize(model_save_path) > 0:  
        if model_save_path is not None:
            with open(model_save_path, 'rb') as f:
                unpickler = pickle.Unpickler(f)
                clf = unpickler.load()


        newEncodings = X, y
        clf.append(newEncodings)

        with open(model_save_path,'wb') as f:
            pickle.dump(clf, f)
    
    else:
        if model_save_path is not None:
            with open(model_save_path, 'wb') as f:
                 pickle.dump(knn_clf, f)

得到错误：

'KNeighborsClassifier' object has no attribute 'append'

有什么办法可以做到吗？

【问题讨论】：

您是否尝试从新数据中再次训练它？如果是这种情况，请执行 clf.fit(X, y)。或者你想更多地训练它？我认为您必须获取原始数据并添加新数据，才能在整个数据集上使用 fit 方法。

我正在尝试用现有的训练数据追加新数据

【参考方案1】：

根据您想要对新数据执行的操作，您可以：

再次训练：

clf.fit(X, y)

或者只是做一些预测：

clf.predict(X)

如果您需要使用新旧数据对其进行训练，请执行以下操作：

clf.fit(Xold+X, yold+y)

一些分类器有以下方法可以帮助您对新添加的数据进行增量拟合：

estimator.set_params(n_estimators=110, warm_start=True)

或

estimator.partial_fit(...)

KNeighborsClassifier 似乎支持 warm_start=True 参数 所以你应该尝试：

clf.set_params(warm_start=True)
clf.fit(newX, newy)

【讨论】：

谢谢，@Malo。如何从分类器对象中获取旧数据，因为它已经被训练并保存为 pickle 文件？我的意思是如何从泡菜文件中提取 X 和 y - 我尝试使用 items() dict，但没有用。

一些分类器有以下方法可以帮助您对新添加的数据进行增量拟合：estimator.set_params(n_estimators=110, warm_start=True) 或 estimator.partial_fit(...) KNeighborsClassifier 似乎支持 warm_start=True 参数，所以你应该尝试： clf.set_params(warm_start=True) clf.fit(newX, newy)

我正在检查。当我使用 warm_start 时，以前训练的数据会发生什么，将能够对旧数据执行推理，还是会覆盖？

warm_start 允许使用多批数据拟合模型，保留旧数据。所以这应该适合你。