Skip to main content
 首页 » 编程设计

python之如何使用 Orange GUI 中保存的 RandomForest 模型进行预测

2024年12月31日28zhujiabin

我使用 Orange GUI 并训练了一个 RandomForest 模型,我后来使用 SaveModel 小部件保存了该模型。

Orange 使用 pickle 保存其模型,因此我编写了以下 python 脚本:

import Orange, pickle 
 
model = pickle.load(open('model', 'rb')) 

问题是,我昨天广泛搜索了网络。并且找不到任何示例来使用我的数据(与我在 Orange GUI 中使用的数据格式相同)或关于如何使用该模型的足够文档进行预测。

根据后来的研究,我发现我可以用下面的代码评估一个预训练的模型,该模型是 unpickled

results = Orange.evaluation.testing.TestOnTestData(data, test, [lambda testdata: model]) 

事情是加载我应该做的数据:

data = Orange.data.Table('trainingData.csv'); 
test = Orange.data.Table('testData.csv'); 

而且我还没有找到有关如何区分这些 *.csv 文件中的目标和功能的文档。

除此之外,即使我能够创建此文件。我将不得不做一些噱头,其中 testData.csv 需要只有一行长(我想要预测的行),目标值为 1。我会看到模型预测的是什么检查分数是 100% 还是 0%

所以我知道我的问题很多,但我真的可以在以下几点上得到一些帮助:

  1. 如何在 *.csv 文件中定义 Orange.data.Table() 函数的目标是什么
  2. 如何使用 pickled Orange RandomForest 模型进行预测,而不是使用噱头式的评估进行预测。 (这样我就可以一次预测多个项目..)

非常感谢您的宝贵时间

请您参考如下方法:

所以,在 Orange GitHub 上问了同样的问题后,我设法找到了合适的答案。

对于 csv 文件格式,有一个文档页面,其中解释了如何在数据集中定义什么是特征以及什么是目标:

Documentation on Loading Data

至于模型,它非常简单。该模型是一个用于进行预测的 python 对象,所以只要我的数据按照上述文档中的格式进行预测,我就可以通过调用进行预测

pred_ind = model(data) 
[model.domain.class_var.str_val(i) for i in pred_ind]  # convert to value names (strings) 

如果我想查看百分比,我需要做的就是

prob = model(data, model.Probs)  

但更好的是:

As you can see in the example above, the model stores the domain it was trained on. This means you actually don't even need to bother with 1. When the model is given data to predict, it will first convert it to the domain it was trained on and use the same variables as the target and independent features (obviously they need to be present in the data).

如果有人想在 github 上找到原始答案,它是:GitHub