训练后如何生成模型?我没有使用 sklearn 包来进行拟合和预测。我的代码如下所示:
class SVM(object):
def __init__(self, kernel=polynomial_kernel, C=None):
self.kernel = kernel
self.C = C
if self.C is not None: self.C = float(self.C)
def fit(self, X, y):
n_samples, n_features = X.shape
# Gram matrix
K = np.zeros((n_samples, n_samples))
for i in range(n_samples):
for j in range(n_samples):
K[i,j] = self.kernel(X[i], X[j])
P = cvxopt.matrix(np.outer(y,y) * K)
q = cvxopt.matrix(np.ones(n_samples) * -1)
A = cvxopt.matrix(y, (1,n_samples))
b = cvxopt.matrix(0.0)
if self.C is None:
G = cvxopt.matrix(np.diag(np.ones(n_samples) * -1))
h = cvxopt.matrix(np.zeros(n_samples))
else:
tmp1 = np.diag(np.ones(n_samples) * -1)
tmp2 = np.identity(n_samples)
G = cvxopt.matrix(np.vstack((tmp1, tmp2)))
tmp1 = np.zeros(n_samples)
tmp2 = np.ones(n_samples) * self.C
h = cvxopt.matrix(np.hstack((tmp1, tmp2)))
# solve QP problem
solution = cvxopt.solvers.qp(P, q, G, h, A, b)
# Lagrange multipliers
a = np.ravel(solution['x'])
# Support vectors have non zero lagrange multipliers
sv = a > 1e-5
ind = np.arange(len(a))[sv]
self.a = a[sv]
self.sv = X[sv]
self.sv_y = y[sv]
print("%d support vectors out of %d points" % (len(self.a), n_samples))
# Intercept
self.b = 0
for n in range(len(self.a)):
self.b += self.sv_y[n]
self.b -= np.sum(self.a * self.sv_y * K[ind[n],sv])
self.b /= len(self.a)
# Weight vector
if self.kernel == linear_kernel:
self.w = np.zeros(n_features)
for n in range(len(self.a)):
self.w += self.a[n] * self.sv_y[n] * self.sv[n]
else:
self.w = None
def project(self, X):
if self.w is not None:
return np.dot(X, self.w) + self.b
else:
y_predict = np.zeros(len(X))
for i in range(len(X)):
s = 0
for a, sv_y, sv in zip(self.a, self.sv_y, self.sv):
s += a * sv_y * self.kernel(X[i], sv)
y_predict[i] = s
return y_predict + self.b
def predict(self, X):
return np.sign(self.project(X))
我试图在我的测试文件中显示我的模型:
self.clf = SVM(C=1000.1)
self.svm_model=self.clf.fit(X, Y)
print(self.svm_model)
输出显示:
没有任何
然后我尝试将模型保存在 Pickle 中:
SVM_pkl_filename=QtGui.QFileDialog.getSaveFileName(self,'Save File')
print ("SVM classifier :: ", self.svm_model)
#SVM_pkl_filename = 'SVM_model.pkl'
SVM_model_pkl = open(SVM_pkl_filename, 'wb')
# Dump the trained SVM classifier with Pickle
pickle.dump(self.svm_model, SVM_model_pkl)
# Close the pickle instances
SVM_model_pkl.close()
我打开保存的文件,它什么也没显示。我将它与我使用 Sklearn 的另一个 Saved 模型文件进行了比较,它有一些随机内容。
我的模型的目的是使用 Pickle 保存和加载它。我使用 Pickle 来训练我的 4 个数据集,每次训练我的数据集时我的模型都会更新。并加载模型进行测试。
问题出在这一行 - self.svm_model=self.clf.fit(X, Y)
请注意,您正在尝试将函数的输出存储fit()
到self.svm_model
,但该fit()
函数不返回任何内容。
您必须为return
fit 函数分配一条语句,或者self.svm_model
在fit()
函数中就地分配对象。
另外,我对你想要的东西没有明确的看法svm_model
。你想保存权重还是想要一个有自己fit()
和predict()
方法的便利对象scikit-learn
?
假设您只想保存权重,请将fit()
函数更改return self.w
为最后。
该pickle
工作不只是这个结果。一旦你解决了这个svm_model
问题,酸洗应该会自行解决。
编辑
您的代码中有另一个条件 -
else:
self.w = None
它可以返回的另一个原因None
。如果不查看执行情况和数据,很难判断。
至于酸洗前的检查,可以做一个简单的空检查。
if not self.svm_model: # check not None
# pickle here
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句