python scikit通过核心外学习学习超参数调优
python scikit通过核心外学习学习超参数调优
提问于 2016-12-11 23:21:21
目前我正在使用
clf = SGDClassifier(loss='log', random_state=1, n_iter=1)
为我训练一个预测模型。然而，训练数据相当大，所以我使用的是核心外学习。
clf.partial_fit(X_train, y_train, classes=classes)
此外，我还希望通过GridSearchCV(http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html)实现超参数调优
但看起来，由于GridSearchCV没有提供partial_fit方法，所以不可能进行核心外学习，我必须将整个数据集保存在内存中。有没有一种方法可以调优超参数，同时仍然使用内核外学习？
回答 1
Stack Overflow用户
发布于 2018-10-15 17:02:47
我发现了一种使用随机森林进行增量学习的方法，有一个叫做scikit-graden的库，他们有一个mondrian分类器，可以将增量学习或在线学习添加到随机森林。
查看蒙德里安森林上的这篇博客：https://medium.com/mlrecipies/mondrian-forests-making-random-forests-better-and-efficient-b27814c681e5
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/41087734
复制相关文章
相似问题
腾讯云开发者
