FrozenEstimator#

class sklearn.frozen.FrozenEstimator(estimator)[source]#

包装已拟合估计器以防止重新拟合的估计器。

这个元估计器接受一个估计器并“冻结”它，这意味着在其上调用 fit 不会产生任何效果。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。

当您在管道中有一个已拟合或预训练的模型作为转换器时，这特别有用，并且您希望 pipeline.fit 对此步骤没有影响。

参数:
estimator估计器

将被冻结的估计器。

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)[source]#

无操作。

作为冻结的估计器，调用 fit 没有效果。

参数:
X对象

忽略。

y对象

忽略。

*args元组

额外的位置参数。被忽略，但为了与 self.estimator 的 API 兼容而存在。

**kwargs字典

额外的关键字参数。被忽略，但为了与 self.estimator 的 API 兼容而存在。

返回:
self对象

返回实例本身。

get_metadata_routing()[source]#

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 封装了路由信息。

get_params(deep=True)[source]#

获取此估计器的参数。

返回一个 {"estimator": estimator} 字典。不包括内部估计器的参数。

参数:
deepbool, 默认为 True

忽略。

返回:
params字典

参数名称映射到其值。

set_params(**kwargs)[source]#

设置此估计器的参数。

此处唯一有效的键是 estimator。您无法设置内部估计器的参数。

参数:
**kwargs字典

估计器参数。

返回:
selfFrozenEstimator

此估计器。