如何在 scikit-learn 中使用正确的 pyprint?
Posted
技术标签:
【中文标题】如何在 scikit-learn 中使用正确的 pyprint?【英文标题】:How to use correclty pyprind with scikit-learn? 【发布时间】:2016-11-23 05:37:32 【问题描述】:目前我正在使用pyprind,一个实现进度条的库:
#Compute training time elapsed
pbar = pyprind.ProgBar(45, width=120, bar_char='█')
for _ in range(45):
#Fiting
clf = SVC().fit(X_train, y_train)
pbar.update()
#End of bar
但是,我不知道这是否是使用pbar
的正确方法,因为我想我适合clf
45 次。那么,我应该如何正确使用pbar
?。
【问题讨论】:
您无法监控一个 SVM 模型的拟合进度,因为您所做的只是调用fit
函数,它不会告诉您到目前为止它已经取得了多少进展。
@cel 我认为他并没有试图监控 SVM 模型的拟合,它只是库查看并更新栏的 for 循环迭代。
@hashcode55,嗯,可能是。也许我误解了这个问题。
【参考方案1】:
请注意,如果您想了解有关学习过程的更多信息,可以使用vebose
标记:
X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
y = np.array([1, 1, 2, 2])
clf = SVC(verbose =True)
clf.fit(X, y)
输出:
optimization finished, #iter = 12
obj = -1.253423, rho = 0.000003
nSV = 4, nBSV = 0
Total nSV = 4
【讨论】:
【参考方案2】:我没用过pyprind
,但我用过progressbar
。只需使用 -
pip install progressbar
然后-
from progressbar import ProgressBar
pbar = ProgressBar()
for x in pbar(range(45)):
clf = SVC().fit(X_train, y_train)
你可以走了。
【讨论】:
感谢您的帮助! 我在安装时遇到问题...我现在就测试一下,稍等!谢谢! 我终于有时间尝试这个解决方案了。但是,我相信它仍然适合 45 次......它花了将近 2:00 分钟才能完成......知道如何进行吗?感谢您的帮助!以上是关于如何在 scikit-learn 中使用正确的 pyprint?的主要内容,如果未能解决你的问题,请参考以下文章
如何正确使用 scikit-learn 的高斯过程进行 2D 输入、1D 输出回归?
如何在 scikit-learn 中计算正确的交叉验证分数?