冻结估计器#
- class sklearn.frozen.FrozenEstimator(estimator)[source]#
包装已拟合估计器的估计器,以防止重新拟合。
此元估计器接收一个估计器并将其冻结,这意味着调用
fit
对其无效。fit_predict
和fit_transform
也被禁用。所有其他方法都委托给原始估计器,并且原始估计器的属性也可以访问。当您在管道中使用拟合的或预训练的模型作为转换器时,这尤其有用,并且您希望
pipeline.fit
对这一步没有影响。- 参数:
- estimator估计器
要保持冻结的估计器。
另请参见
无
scikit-learn 文档中没有类似的条目。
示例
>>> from sklearn.datasets import make_classification >>> from sklearn.frozen import FrozenEstimator >>> from sklearn.linear_model import LogisticRegression >>> X, y = make_classification(random_state=0) >>> clf = LogisticRegression(random_state=0).fit(X, y) >>> frozen_clf = FrozenEstimator(clf) >>> frozen_clf.fit(X, y) # No-op FrozenEstimator(estimator=LogisticRegression(random_state=0)) >>> frozen_clf.predict(X) # Predictions from `clf.predict` array(...)
- fit(X, y, *args, **kwargs)[源代码]#
无操作。
作为冻结的估计器,调用
fit
无效。- 参数:
- X对象
忽略。
- y对象
忽略。
- *args元组
附加的位置参数。忽略,但为了与
self.estimator
保持 API 兼容性而存在。- **kwargs字典
附加的关键字参数。忽略,但为了与
self.estimator
保持 API 兼容性而存在。
- 返回:
- self对象
返回实例本身。
- get_metadata_routing()[源代码]#
获取此对象的元数据路由。
请查看用户指南,了解路由机制的工作原理。
- 返回:
- routingMetadataRequest
一个
MetadataRequest
封装路由信息。
图库示例#
scikit-learn 1.6 的发行亮点
三类分类的概率校准
使用 FrozenEstimator 的示例
针对成本敏感学习调整决策阈值