如何使用 sklearn post-cross_val_predict 模型对另一个缩放数据集进行预测？以及模型是不是可以序列化？

Posted 2023-03-12

【中文标题】如何使用 sklearn post-cross_val_predict 模型对另一个缩放数据集进行预测？以及模型是不是可以序列化？

【英文标题】：How to take a sklearn post-cross_val_predict model to do prediction on another scaled data set? And whether the model can be serialized?如何使用 sklearn post-cross_val_predict 模型对另一个缩放数据集进行预测？以及模型是否可以序列化？

【发布时间】：2019-05-04 01:41:06

【问题描述】：

我在处理具有严重不平衡数据的 sklearn ML 案例时遇到了这个问题。下面的行提供了从混淆指标和精确召回的角度评估模型的基础，但是......它是一种训练/预测组合方法：

y_pred = model_selection.cross_val_predict(model, X, Y, cv=kfold)

问题是我如何利用这种“交叉验证训练”模型来：

1) 预测另一个数据集（缩放）而不是每次都训练/预测？

2) 导出/序列化/部署模型以预测实时数据？

model.predict() #--> nope.  need a fit() first

model.fit() #--> nope.  a different model which does not take advantage of the cross_val_xxx methods

感谢任何帮助。

【参考方案1】：

您可以使用数据fit 一个新模型。

交叉验证方面是关于验证模型的构建方式，而不是模型本身。所以如果交叉验证没问题，那么你就可以用所有数据训练一个新模型。

（更多详情请参见我的回复Fitting sklearn GridSearchCV model）

【讨论】：

我正在使用 bagging 和 boosting 算法来避免由于严重的不平衡而偏向多数类。然而，这些算法需要调用 model_selection.cross_val_xxx 方法才能进行评分或预测。如果我执行 model.fit() 它是单次通过并且不能解决偏差问题 - 如果我理解不正确，请告诉我？

谢谢你，Matthieu，我明白了。模型是基于提供的参数的。交叉验证不会为模型增加价值，而只是对其嗤之以鼻。

抱歉，之前没有看到您的消息。我想你明白了，是的。