Question

说我有一个sklearn培训数据：

features, labels = assign_dataSets() #assignment operation

此处feature是二维数组，而label包含一个由值[0,1]

组成的一维数组

分类操作：

f1x = [features[i][0] for i in range(0, len(features)) if labels[i]==0]
f2x = [features[i][0] for i in range(0, len(features)) if labels[i]==1]
f1y = [features[i][1] for i in range(0, len(features)) if labels[i]==0]
f2y = [features[i][1] for i in range(0, len(features)) if labels[i]==1]

现在我绘制上述数据：

import matplotlib.pyplot as plt
plt.scatter(f1x,f1y,color='b')
plt.scatter(f2x,f2y,color='y')
plt.show()

现在我想用分类器运行拟合操作，例如SVC。

from sklearn.svm import SVC
clf = SVC()
clf.fit(features, labels)

现在我的问题是因为支持向量真的很慢，有没有办法实时监控分类器的决策边界（我的意思是正在进行拟合操作）？我知道我可以在拟合操作发生后绘制决策边界，但我希望分类器的绘图能够实时进行。也许是对线性空间声明的点数组进行线程化和运行预测。 fit函数是否允许这样的操作，还是我需要去其他库？

你知道，我是机器学习的新手。

Answer 1

scikit-learn有这个功能，但它仅限于我理解的一些分类器（例如istream，GradientBoostingClassifier）。要启用此功能，您需要设置MPLClassifier。例如：

verbose=True

我尝试使用clf = GradientBoostingClassifier(verbose=True)并且没有按预期工作（可能是因为评论部分中提到的 sascha ）。 Here是您在StackOverflow上的问题的不同变体。

关于第二个问题，如果切换到SVC（另一个机器学习库），您可以使用Tensorflow功能实时监控一些指标（例如错误衰减）

但是，据我所知，SVM实现仍在tensorboard中进行实验。使用基于神经网络的模型时，v1.5非常好。

如果你决定使用DNN进行分类Tensorflow，那么这里是关于StackOverflow实现的讨论：No easy way to add Tensorboard output to pre-defined estimator functions DnnClassifier?

有用的参考资料：

Tensorflow SVM（现在只支持线性支持 - v1.5）：https://www.tensorflow.org/api_docs/python/tf/contrib/learn/SVM

Tensorflow Kernals方法：https://www.tensorflow.org/versions/master/tutorials/kernel_methods

Tensorflow Tensorboard：https://www.tensorflow.org/programmers_guide/summaries_and_tensorboard

Tensorflow DNNClassifier Estimator：https://www.tensorflow.org/api_docs/python/tf/estimator/DNNClassifier

实时绘制sklearn培训操作

1 个答案: