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:Python 决策树分类器模型测试和训练的时间安排,python,machine-learning,scikit-learn,decision-tree,Python,Machine Learning,Scikit Learn,Decision Tree,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_
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):