Python 决策树分类器模型测试和训练的时间安排

我使用决策树分类器获得了多类分类摘要，代码如下：

from sklearn.tree import DecisionTreeClassifier

classifier = DecisionTreeClassifier(random_state=17)
classifier.fit(train_x, train_Y)

pred_y = classifier.predict(test_x)
print(classification_report(test_Y,pred_y))
accuracy_score(test_Y,pred_y)

在测试或培训数据集时，输出没有任何时间数据。

---

如何获得模型的测试时间和训练时间

某些scikit学习模型确实具有详细参数，允许您控制拟合过程的详细程度，包括计时，请参见一些示例。但

决策树分类程序的情况并非如此。虽然你可以做一件简单的事情，但你只需要自己安排时间：

import time

start_time = time.time()
classifier.fit(X_train, y_train)
elapsed_time = time.time() - start_time
print(f'{elapsed_time:.2f}s elapsed during training')

或者，您可以将verbose设置为高于
0
（请注意，sklearn管道中有趣的功能是封装以顺序方式应用的转换列表和最终估算器）：

某些scikit学习模型确实具有详细参数，允许您控制拟合过程的详细程度，包括计时，请参见一些示例。但
决策树分类程序的情况并非如此。虽然你可以做一件简单的事情，但你只需要自己安排时间：

import time

start_time = time.time()
classifier.fit(X_train, y_train)
elapsed_time = time.time() - start_time
print(f'{elapsed_time:.2f}s elapsed during training')

或者，您可以将verbose设置为高于
0
（请注意，sklearn管道中有趣的功能是封装以顺序方式应用的转换列表和最终估算器）：