在 neuraxle 管道中使用 fit_params
Posted
技术标签:
【中文标题】在 neuraxle 管道中使用 fit_params【英文标题】:Using fit_params in neuraxle pipeline 【发布时间】:2021-02-05 11:52:28 【问题描述】:我想使用分类器,例如sklearn.linear_model.SGDClassifier
,在 neuraxle 管道中,并使用 partial_fit
以在线方式对其进行拟合。我将分类器包裹在一个
SKLearnWrapper
和 use_partial_fit=True
,像这样:
from neuraxle.pipeline import Pipeline
from neuraxle.steps.sklearn import SKLearnWrapper
from sklearn.linear_model import SGDClassifier
p = Pipeline([
SKLearnWrapper(SGDClassifier(), use_partial_fit=True)
]
)
X = [[1.], [2.], [3.]]
y = ['class1', 'class2', 'class1']
p.fit(X, y)
但是,为了以在线方式拟合分类器,需要为 partial_fit
函数提供一个附加参数 classes
,其中包含数据中可能出现的类,例如classes=['class1', 'class2']
,至少是第一次调用它。所以上面的代码会报错:
ValueError: classes must be passed on the first call to partial_fit.
其他fit_params
也会出现同样的问题,例如sample_weight
。在标准的 sklearn 管道中,fit_params
可以通过 sample_weight
参数:
from sklearn.linear_model import SGDClassifier
from sklearn.pipeline import Pipeline
q = Pipeline([
('clf', SGDClassifier())
])
q.fit(X, y, clf__sample_weight=[0.25, 0.5, 0.25])
当然,标准的 sklearn 管道不允许在分类器上调用 partial_fit,这就是为什么我想首先使用 neuraxle 管道。
有没有办法将附加参数传递给 neuraxle 管道中步骤的 fit
或 partial_fit
函数?
【问题讨论】:
【参考方案1】:我建议您编辑SKLearnWrapper,以便通过重新定义向partial_fit 方法添加参数,并添加您想要的缺少的参数。
您还可以向这个分叉的 SKLearnWrapper 添加一个方法,如下所示。稍后可以使用从管道外部调用的apply 方法更改类参数。
ConfigurablePartialSGDClassifier(SKLearnWrapper)
def __init__(self):
super().__init__(SGDClassifier(), use_partial_fit=True)
def update_classes(self, classes: List[str]):
self.classes = classes
def _sklearn_fit_without_expected_outputs(self, data_inputs):
self.wrapped_sklearn_predictor.partial_fit(data_inputs, classes=self.classes)
你可以这样做:
p = Pipeline([
('clf', ConfigurablePartialSGDClassifier())
])
X1 = [[1.], [2.], [3.]]
X2 = [[4.], [5.], [6.]]
Y1 = [0, 1, 1]
Y2 = [1, 1, 0]
classes = ['class1', 'class2', 'class1']
p.apply("update_classes", classes)
p.fit(X1, Y1)
p.fit(X2, Y2)
请注意,p
也可以简单地以这种方式定义以获得相同的行为:
p = ConfigurablePartialSGDClassifier()
问题是,对应用方法的调用可以通过管道传递,并且如果步骤包含此类方法,则应用于所有嵌套步骤。
【讨论】:
以上是关于在 neuraxle 管道中使用 fit_params的主要内容,如果未能解决你的问题,请参考以下文章
如何最好地处理 Neuraxle 管道中的错误和/或丢失数据?
如何正确实现过滤 data_inputs 的 Neuraxle 管道步骤?
在带有 OneVsRestClassifier 的 Neuraxle Pipeline 中使用 predict_proba() 代替 predict()