我正在尝试优化训练嵌入的时期数。并有一种方法可以为该过程生成学习曲线。
例如,我可以为常规监督分类创建学习曲线。
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import learning_curve
from sklearn.model_selection import StratifiedShuffleSplit
def plot_learning_curve(estimator, title, X, y, ylim=None, cv=None, n_jobs=None, train_sizes=np.linspace(.1, 1.0, 5)):
plt.figure()
plt.title(title)
if ylim is not None:
plt.ylim(*ylim)
plt.xlabel("Training examples")
plt.ylabel("Score")
train_sizes, train_scores, test_scores = learning_curve(
estimator, X, y, cv=cv, n_jobs=n_jobs, train_sizes=train_sizes)
train_scores_mean = np.mean(train_scores, axis=1)
train_scores_std = np.std(train_scores, axis=1)
test_scores_mean = np.mean(test_scores, axis=1)
test_scores_std = np.std(test_scores, axis=1)
plt.grid()
plt.fill_between(train_sizes, train_scores_mean - train_scores_std,
train_scores_mean + train_scores_std, alpha=0.1,
color="r")
plt.fill_between(train_sizes, test_scores_mean - test_scores_std,
test_scores_mean + test_scores_std, alpha=0.1, color="g")
plt.plot(train_sizes, train_scores_mean, 'o-', color="r",
label="Training score")
plt.plot(train_sizes, test_scores_mean, 'o-', color="g",
label="Cross-validation score")
plt.legend(loc="best")
return plt
title = "Learning Curves (SGDClassifier)"
cv = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=0)
estimator = SGDClassifier()
plot_learning_curve(estimator, title, X_all.todense(), y, ylim=(0.7, 1.01), cv=cv, n_jobs=4)
例如,我可以训练嵌入。
from gensim.models.doc2vec import Doc2Vec, TaggedDocument
from nltk.tokenize import word_tokenize
X_tagged = [TaggedDocument(words=word_tokenize(_d.lower()), tags=[str(i)]) for i, _d in enumerate(X)]
model = Doc2Vec(size=8, alpha=0.05, min_alpha=0.00025, dm =1)
model.build_vocab(X_tagged)
model_title.train(X_tagged, total_examples=model.corpus_count, epochs=50)
但是在训练嵌入时如何创建学习曲线。
我对训练嵌入没有足够的直觉来弄清楚这一点。
答案 0 :(得分:1)
通常,学习曲线是针对变化量的训练数据绘制模型的性能(如某种定量分数,例如“准确性”)。
因此,您需要选择一种对Doc2Vec
模型进行评分的方法。 (也许这将通过使用文档向量作为另一个分类器或其他分类器的输入。)然后,您需要使用各种不同的训练集大小重新创建Doc2Vec
模型,并对其进行评分每个,然后将(corpus_size, score)
个数据点馈入绘图。
请注意,gensim
包括一个包装器类,用于将Doc2Vec
训练步骤放入scikit-learn
管道中:
https://radimrehurek.com/gensim/sklearn_api/d2vmodel.html
因此,您可以用多步管道替换现有代码中的简单estimator
,其中包括D2VTransformer
作为一个步骤。因此,您将以与现有代码高度相似的方式创建学习曲线图。