Python 如果两个sklearn估计量相等,如何比较?
我有两个sklearn估计器,希望对它们进行比较:Python 如果两个sklearn估计量相等,如何比较?,python,scikit-learn,Python,Scikit Learn,我有两个sklearn估计器,希望对它们进行比较: import numpy as np from sklearn.tree import DecisionTreeClassifier X, y = np.random.random((100,2)), np.random.choice(2,100) dt1 = DecisionTreeClassifier() dt1.fit(X, y) dt2 = DecisionTreeClassifier() dt3 = sklearn.base
import numpy as np
from sklearn.tree import DecisionTreeClassifier
X, y = np.random.random((100,2)), np.random.choice(2,100)
dt1 = DecisionTreeClassifier()
dt1.fit(X, y)
dt2 = DecisionTreeClassifier()
dt3 = sklearn.base.copy.deepcopy(dt1)
如何比较分类器,使dt1!=dt2,dt1==dt3?您将要比较分配给分类器实例的参数和经过训练的分类器的
.tree\uu0.value
:
# the trees have the same params
def compare_trees(tree1, tree2):
if hash(tree1.__dict__.values())==hash(tree2.__dict__.values()):
# the trees have both been trained
if tree1.tree_ != None and tree2.tree_ != None:
try: # the tree values are matching arrays
return (tree1.tree_.value==tree2.tree_.value).all()
except: # they do not match
return False
elif tree1.tree_ != None or tree2.tree_ != None:
# XOR of the trees is not trained
return False
else: # Neither has been trained
return True
else: # the params are different
return False
dt1 = DecisionTreeClassifier()
X, y = np.random.random((100,2)), np.random.choice(2,100)
dt1.fit(X, y)
dt2 = DecisionTreeClassifier() # untrained
dt3 = sklearn.base.copy.deepcopy(dt1) # copy of 1st
dt4 = DecisionTreeClassifier() # trained on different data
X_, y_ = np.random.random((100,2)), np.random.choice(2,100)
dt4.fit(X_, y_)
print(compare_trees(dt1, dt1)) # True
print(compare_trees(dt1, dt2)) # False
print(compare_trees(dt1, dt3)) # True
print(compare_trees(dt1, dt4)) # False
首先你必须定义两个分类器相等的含义。相同类型的分类器,相同的参数,使用相同的数据,相同的输出。。。基本上,完全相等,除了作为不同的对象。这不是一个常见的问题-没有预先实现的相等可以为您做到这一点。分类器也不存储训练数据,因此仅凭分类器可能无法确定它们是否安装了相同的数据。你可能想解释一下你为什么需要这个-也许有另一种方法可以解决你的问题。有没有通用的方法可以用任何基本分类器来解决这个问题?我不这么认为。
fit
方法更改.tree\uquot
属性,该属性是非泛型树
实例。