我正在尝试使用mlflow来保存模型，然后加载它以进行预测。我使用了一个xgboost.XGBRegressor模型和它的sklearn函数.predict()和.predict_proba()来进行预测，但是事实证明mlflow并不支持实现sklearn API的模型，所以当稍后从mlflow加载模型时，mlflow返回一个xgboost.Booster的实例，并且它没有实现.p
浏览 68提问于2020-09-20得票数 2
回答已采纳
可以将LightGBM和XGBoost模型转储为包含人类可读模型结构的纯文本文件。归根结底，它们只是树的合奏。是否有任何库可以将这些转储的模型加载到scikit-learn框架中，例如构建具有相同拆分和值的sklearn集成？
这可能是非常方便的，因为有一些很好的库附加到sklearn API，例如。
浏览 6提问于2017-11-14得票数 2
# Scikit-Learn API
loaded_model.load_model(args) 我们如何将这个经过训练的模型加载到中？我的目标是将一个经过训练的xgboost模型(使用Learning API训练)加载到xgboost Scikit-Learn API中作为一个合适的模型，这样我就可以利用其他sklearn函数。我在上面的代码中
浏览 100提问于2021-07-15得票数 0
1回答
我必须在一个有7天时间限制的集群上运行我的模型，如果计算成本超过了7天，作业将在集群上结束。因此，训练将不会完成以获得用于预测的已保存模型。我正在训练一些分类器模型(例如SVC、KNeighborsClassifier等)。从scikit-learn开始，想知道是否有任何函数或库可以在特定持续时间之间拍摄模型快照，然后从已停止的点继续训练(类似于深度学习中的应用)？
谢谢
浏览 19提问于2019-08-13得票数 1
回答已采纳
XGBoost库通过xgboost.cv()拥有自己的交叉验证的实现。看起来，它需要将数据存储为DMatrix。不用使用xgboost.cv()，我可以使用XGBoost的雪橇与GridSearchCV()、RandomizedGridCV或cross_validate()一起使用sklearn执行交叉验证。如果我使用交叉验证的sklearn实现，我可以使用pandas.DataFrame的S和熟悉的sklearn函数/类。我有两个问题：
直
浏览 0提问于2022-12-28得票数 0
我想将Django项目的数据库从MySQL转换为PostgreSQL。不幸的是，我不能仅仅使用Django的"dumpdata“和"loaddata”管理命令，因为我的数据库表太大了。我已经阅读了一篇文章，但是要在实践中使用该方法，我仍然需要将其转换为一个管理命令，在复制模型实例和重置序列时对可用模型进行迭代。此外，它看起来也不太快，因为它在每个模型实例上都发出了save()。有更好的</
浏览 7提问于2011-12-05得票数 4
回答已采纳
他们在Tensorflow 2.0中为许多架构提供了预先训练的模型。我想在TPU上使用这些模型进行预测。由于TensorFlow2.0的TPU API仍处于实验阶段，因此我想在TensorFlow1.x中实现它 有没有办法将预先训练好的模型从TensorFlow2.0转换到TensorFlow1.x，反之亦然TensorFlow2.0的TPUE API描述如下：https:
浏览 31提问于2019-10-01得票数 0
回答已采纳
1回答
我正在用LSTM处理一个简单的文本生成问题。为了使预处理更加紧凑和可重现，我决定以sklearn的方式实现一切，使用自定义的sklearn变压器和来自KerasClassifier的scikeras将神经网络的定义封装在sklearn类型的估计器中它几乎可以工作，但我不知道如何将信息从某个自定义转换器传递到KerasClassifier估计器上。更准确地说，对于创建神经网络的方法，我需要输出的数量作
浏览 3提问于2022-03-11得票数 0
2回答
我喜欢在统计模型中使用线性套索回归，以便能够使用“公式”符号来编写模型，这将为我在处理许多分类变量及其交互时节省相当多的编码时间。然而，它似乎还没有在统计模型中实现？
浏览 1提问于2017-04-17得票数 11
回答已采纳
1回答
我尝试训练一个模型，将样本分为三类：weak、medium和strong。据我所知，最好的方法是使用weighted kappa score来衡量模型的性能。似乎加权kappa没有在scikit-learn中实现。对于这种类型的分类，人们如何使用scikit-learn？这是一个相当例行公事的任务。
浏览 2提问于2014-05-06得票数 1
我使用Scikit-Learn在Python中训练了一个xgboost模型，并使用pickle库对其进行了序列化。我将模型上传到ML引擎，但当我尝试在线预测时，我得到了以下例外：下面是我用于预测的json的一个例子： "instances":[
[
浏览 0提问于2018-11-27得票数 5
回答已采纳
训练完模型后，我得到一堆文件，它们被转储到输出文件夹中。我想知道，如果你想加载一个以前训练过的模型(我假设它保存在输出文件夹中)，这样你就可以立即对新数据运行它，你会怎么做呢？<code>C1</code>
使用scikit-learn，您可以轻松地将模型导出到json，并将其加载回来，我想这可能会有类似的过程？
浏览 19提问于2020-06-09得票数 2
1回答
Scikit-learn支持转移学习吗？请检查以下代码。能否在clf2的基础上建立clf学习模型，通过fit(X2,y2)进行迁移学习？
浏览 0提问于2020-07-22得票数 7
回答已采纳
1回答
有没有一种方法可以在Python中将类的实例持久化在内存或文件系统中？我能用shelve做这个吗？
下面的行是的一部分，它需要很长时间才能执行，我需要缓存它以供下一次执行程序。
浏览 3提问于2014-09-20得票数 0
回答已采纳
1回答
我正在尝试实现一个DSL，它必须转换为一个已经实现的模型。DSL将描述来自给定模型的类的实例，因此使用DSLGenerator将DSL解析为java文件是不合适的。我想将描述的实例加载到javaruntime中。从体系结构的角度来看，我需要一个DSL-Loader类来将DSL转换为实例
浏览 0提问于2014-10-31得票数 0
我使用python中的scikit-learn实现了一个机器学习模型。由于我想在浏览器中使用这段代码(因为我正在开发一个chrome扩展，并且希望应用程序完全在客户端工作)，所以我想将相同的代码转换为javascript。这是我的python代码：import pandas as pd
from sklearn.feature_extraction.text import CountVectorizercount_vectorizer.tr
浏览 0提问于2021-01-03得票数 1
公共数据库转储似乎包含响应API查询所需的几乎所有数据。有一个API的“私有”实例，在数据库转储上本地运行，对我来说非常有用。如果有人有任何指向现有实现的指针，请告诉我！
浏览 0提问于2011-08-06得票数 3
回答已采纳
1回答
修改这个模型是不切实际的，因为它是属于第三方应用程序的模型，修改字段可能需要对代码进行分叉和其他修改。现在，我使用django-rest-framework来提供创建/更新/列表/删除MyModel实例的端点和端点，并且我有一个序列化程序，类似于：
class MyModelSerializer(serializers.ModelSerializer这一切正常，但出于各种原因，用户不希望手动输入kwargs的JSON转储字
浏览 1提问于2016-01-04得票数 3
1回答
意外引用现有实例而不是创建新实例
、、、、
我写了一种迷你API，它使得比较不同的统计模型与相同的数据很容易，这样我就可以预先设定所有的模型超参数，然后迭代不同的模型来拟合它们。这就是我想要做的事情的实质：
创建这些未安装的Classifier的字典，并创建要循环的</em
浏览 6提问于2015-06-26得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
