Machine learning 是不是;tpot“;当对新的样本外数据调用.score或.predict时,模型对象自动应用任何缩放或其他转换?
以下是在TPOT中培训模型的基本代码:Machine learning 是不是;tpot“;当对新的样本外数据调用.score或.predict时,模型对象自动应用任何缩放或其他转换?,machine-learning,automl,tpot,Machine Learning,Automl,Tpot,以下是在TPOT中培训模型的基本代码: from tpot import TPOTClassifier from sklearn.datasets import load_digits from sklearn.model_selection import train_test_split digits = load_digits() X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target,
from tpot import TPOTClassifier
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
digits = load_digits()
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target,
train_size=0.75, test_size=0.25, random_state=42)
tpot = TPOTClassifier(generations=5, population_size=50, verbosity=2, random_state=42)
tpot.fit(X_train, y_train)
print(tpot.score(X_test, y_test))
最后,它在测试集上对数据进行评分,而不显式地执行在训练集上完成的转换。这里有几个问题
predict
和score
函数中正确应用这些缩放和转换操作
原因是,在发动机罩下,TPOT正在优化
也就是说,如果您希望保证数据发生特定的转换,那么您有两个选择:
StandardScaler
),然后将其应用于测试集。在将数据传递给TPOT之前,您将执行这两个操作
那么,我是否可以在全新的数据上使用tpot.predict(),这些数据不在训练测试分割中,而不必使用管道中的所有步骤减去估计器进行转换?我是否理解正确:预测方法自动执行这些步骤?对不起,如果我用不同的方式问同一件事,我只是想确定我有这个。是的,这是正确的。TPOT在将数据传递到TPOT后学会的任何转换,也将应用于
predict
函数。在AutoML中,您无需担心预处理,它将由AutoML处理。只需调用fit()
方法,然后就可以使用AutoML对象来计算预测。我还建议您检查MLJAR AutoML—它有ML解释和自动文档