Question

我试图在naive-bayes估计器上进行部分拟合，但在部分拟合之前保留估计量的副本。 sklearn.base.clone只克隆估算器参数，而不是它的数据，所以在这种情况下没用。对克隆执行部分拟合仅使用部分拟合期间添加的数据，因为克隆实际上是空的。

from sklearn.naive_bayes import MultinomialNB

model = MultinomialNB()
fit_model = model.fit(np.array(X),np.array(y))
fit_model2 = model.partial_fit = (np.array(Z),np.array(w)),np.unique(y))

在上面的例子中，fit_model和fit_model2将是相同的，因为它们都指向同一个对象。我想保留原始副本不变。我的解决方法是pickle原始并将其加载到一个新对象，以执行部分适合。像这样：

model = MultinomialNB()
fit_model = model.fit(np.array(X),np.array(y))

import pickle
with open('saved_model', 'wb') as f:
    pickle.dump([model], f)

with open('saved_model', 'rb') as f:
    [model2] = pickle.load(f) 

fit_model2 = model2.partial_fit(np.array(Z),np.array(w)),np.unique(y))

此外，我每次都可以使用新数据完全改装，但由于我需要执行数千次，所以我正在努力寻找更有效的方法。

Answer 1

model.fit()返回模型本身（同一个对象）。因此，您不必将其分配给另一个变量，因为它只是别名。
您可以使用deepcopy以与加载pickle对象相似的方式复制对象。

所以，如果你做了类似的事情：

from copy import deepcopy

model = MultinomialNB()
model.fit(np.array(X), np.array(y))

model2 = deepcopy(model)

model2.partial_fit(np.array(Z),np.array(w)), np.unique(y))
# ...

model2将是一个独特的对象，复制的参数为model，包括“训练”参数。

Answer 2

from copy import deepcopy

model = MultinomialNB()
model.fit(np.array(X), np.array(y))

model2 = deepcopy(model)

weight_vector_model = array(model.coef_[0])
weight_vector_model2 = array(model2.coef_[0])

model2.partial_fit(np.array(Z),np.array(w)), np.unique(y))

weight_vector_model = array(model.coef_[0])
weight_vector_model2 = array(model2.coef_[0])

model and model2 are now completely different objects. partial_fit() on model2 will have no impact on model. The two weight vectors are same after deepcopy but differ after partial_fit() on model2

Answer 3

我尝试了 deepcopy ，但是删除变量时内存泄漏。我在文档中发现建议改用 clone sklearn.base.clone

from sklearn.base import clone
model2 = clone(model)

如何克隆包含其数据的scikit-learn估算器？

3 个答案: