我正在使用 sklearn 库来训练和测试我的数据。
targetDataCsv = pd.read_csv("target.csv","rt"))
testNormalizedCsv = csv.reader(open("testdf_new.csv","rt",encoding="utf-8"))
traningNormalizedCsv = pd.read_csv("traindf_new.csv", skiprows=1,nrows=99999)
df = pd.read_csv("testdf_new.csv", skiprows=1, nrows=9999)
我想使用 SGDClassifier 的 partial_fit 方法，因为我的训练数据超过 200000 行。
X = traningNormalizedCsv.values
y = targetDataCsv.values
clf = SGDClassifier()
clf.partial_fit(X, y)
但是这个分类器没有 predict_proba 方法来获取我的测试数据的目标概率。
clf.predict_proba(df.values)
请提出建议。
请您参考如下方法:
正如您在 doc 中看到的那样- 此方法仅适用于对数损失和修正的 Huber 损失。
所以你必须改变你的损失函数。
from sklearn.linear_model import SGDClassifier
import numpy as np
X = np.random.random_sample((1000,3))
y = np.random.binomial(3, 0.5, 1000)
model = SGDClassifier(loss="modified_huber")
model.partial_fit(X, y, classes=np.unique(y))
print(model.predict_proba([[0.5,0.6,0.7]]))
输出例如:[[ 0. 0. 1. 0.]]
