Seldon SKLearn服务器是否支持SVC模型？
Seldon SKLearn服务器是一款用于部署和管理机器学习模型的开源软件。它能够将机器学习模型转化为可部署的API，并提供模型解释性、版本控制、A/B测试等功能。
关于SVC模型的支持，SVC（Support Vector Classification）是一种支持向量机（SVM）的分类算法，主要用于二分类问题。根据Seldon官方文档的说明，Seldon SKLearn服务器是支持SVC模型的。
Seldon SKLearn服务器的优势在于其灵活性和易用性。它支持各种机器学习模型，包括SVC模型，并提供了丰富的功能来帮助用户进行模型部署和管理。此外，Seldon还提供了可扩展的插件系统和API网关，方便用户定制化开发和集成。
Seldon SKLearn服务器的应用场景包括但不限于在线推荐系统、风控模型、医疗诊断模型等需要实时预测和决策的场景。通过Seldon SKLearn服务器，用户可以快速部署和管理各种机器学习模型，提供稳定可靠的预测服务。
关于腾讯云的相关产品，腾讯云提供了一系列与云计算和人工智能相关的产品和服务，包括云服务器、云函数、容器服务、人工智能平台等。其中，腾讯云的机器学习服务AI Lab提供了强大的机器学习模型训练和部署能力，可用于支持SVC模型的部署和管理。您可以访问腾讯云的官方网站了解更多详情：https://cloud.tencent.com/product/ai。
请注意，本回答中未提及其他云计算品牌商的原因是根据问题要求，不得提及亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等流行品牌。以上回答仅基于腾讯云的相关产品和服务，供参考之用。
相关·内容
我正试图遵循关于Seldon的指导，在minikube上建立和部署虹膜模型。我可以使用YAML文件安装带有Helm和Seldon的Seldon。但是，当我试图应用这个YAML文件来部署Iris模型时，我遇到了以下错误：
Internal error occurred: failed calling webhook "v1.vseldondeployment.kb.io": Post "https://seldon-webhook-service.seldon-system.svc:443/validate-machinelearning-seldon-io-v1-sel
浏览 10提问于2021-04-16得票数 5
需要了解如何使seldon与预先打包的python泡菜和服务器一起工作。
在遵循之后，我仍然无法让预定义的服务器模型工作。
我将虹膜模型放在谷歌云存储上，位置是-> gcs://mymodel/sklearn/iris.pkl
我成功地在gke上安装了seldon-core，并成功地运行了一个包装的模型示例。现在，我希望能够使用预打包的服务器，它们可以从google云存储中拾取python-pickle。当我指定SeldonDeplymentObject的位置时，服务永远不会出现，pod继续死掉。
这是我的SeldonDeployment：
apiVersion: machinelear
浏览 12提问于2019-08-24得票数 1
我注意到，每当我部署一个模型时，都会有两个服务，例如
kubectl get service -n model-namespace
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
iris-model-default ClusterIP 10.96.82.232 <none> 8000/TCP,5001/TCP 8h
iris-model-default-classifier Cl
浏览 7提问于2020-07-22得票数 3
1回答
在文档之后，我尝试设置Seldon快速启动。
我没有LoadBalancer，所以我想使用端口驱动来访问服务。
我运行以下脚本来安装系统：
#!/bin/bash -ev
kind create cluster --name seldon
kubectl cluster-info --context kind-seldon
sleep 10
kubectl get pods -A
istioctl install -y
sleep 10
kubectl get pods -A
kubectl create namespace seldon-system
kubens seldon-sys
浏览 12提问于2021-10-12得票数 3
回答已采纳
我试图使用seldon内核加载虹膜模型，但不幸的是发生了以下错误。SKLEARN_SERVER加载seldon的sklearn/iris模型时出现以下错误。 starting microservice
2021-09-02 02:43:19,363 - seldon_core.microservice:main:206 - INFO: Starting microservice.py:main
2021-09-02 02:43:19,363 - seldon_core.microservice:main:207 - INFO: Seldon Core version: 1.10.0
20
浏览 84提问于2021-09-02得票数 1
回答已采纳
我正在尝试部署一个带有Sklearn模型的Seldon部署。该模型是一个SVC分类器。 apiVersion: machinelearning.seldon.io/v1
kind: SeldonDeployment
metadata:
name: test-model
namespace: model-dev
spec:
name: anomaly-ml
predictors:
- graph:
implementation: SKLEARN_SERVER
modelUri: s3://test-ml
envSecretRefName
浏览 30提问于2020-04-26得票数 1
我正在学习Udacity教程，其中给出了几个数据点，并测试以下哪一个模型最适合于数据:线性回归、决策树或支持向量机。使用sklearn，我可以确定支持向量机是最适合的，其次是决策树。当应用这两种算法时，我得到了一个非常清晰的决策边界：
📷
是否有任何特定的原因，上述形状或它只是依赖于数据集？
代码非常简单；只需读取CSV，分离特性，然后应用算法，如下所示：
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import GradientBoostingClassifier
from sklearn
浏览 0提问于2017-07-19得票数 5
回答已采纳
我想看看模型是否收敛于我的交叉验证。如何在sklearn.svm.SVC中增加或减少时间？目前：
SVM_Model = SVC(gamma='auto')
SVM_Model.fit(X_train,y_train)
此外，在训练期间，我怎样才能看到进度条呢？
浏览 2提问于2020-03-08得票数 2
回答已采纳
我已经创建了虚拟变量使用标签编码器和我运行我的模型，但当我检查我的模型的准确性使用K折叠和交叉验证，我得到坏的输入形状错误。请帮我修一下
我尝试过重塑模型，并使用LabelEncoder更改了虚拟变量的创建。
from sklearn.model_selection import train_test_split
columns = df_train.drop('default_ind',axis =1).columns
X_train, X_test, y_train, y_test = train_test_split(df_train[columns],
df_
浏览 0提问于2019-07-10得票数 0
我希望将一个简单模型的培训分发给单个设备上的一些或所有CPU和GPU，例如支持向量分类器( sklearn.svm.SVC() )。我以前从未使用过GPU，我不知道这是如何工作的，或者使用tensorflow是否是这个简单任务的正确选择。我认为我需要做的是这样的：
import tensorflow as tf
from sklearn.svm import SVC
from sklearn import datasets
from sklearn.model_selection import train_test_split
strategy = tf.distribute.Mirrore
浏览 0提问于2020-06-03得票数 0
回答已采纳
1回答
用火花法训练非线性SVC模型
、、、、
有任何方法来训练一个非线性的SVC模型使用？我试过：
from sklearn.svm import SVC
svc = SVC(kernel="rbf", random_state=0, gamma=1, C=1)
model = svc.fit(features, target)
(特性、和目标是转换为List的两个数据格式)。问题是，我喜欢在中使用一个组件来训练，以加快我的训练速度
浏览 0提问于2018-05-09得票数 0
回答已采纳
我正在尝试使用这个来自sklearn的名为SVC的库。
然而，当我运行我的程序时，我遇到了这个错误：
ValueError: Unknown label type: 'continuous'
我不知道是否有支持向量回归的回归库，这是我到目前为止唯一找到的回归库。下面是我的代码：
import sklearn
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
import numpy as np
from sklearn.svm import SVC
X, Y
浏览 3提问于2018-02-12得票数 2
回答已采纳
我用"sklearn.svm“来做基本的支持向量机训练。对于SVC，是否有方法打印文档中描述的模型细节：
from sklearn.svm import SVC
clf = SVC(C=10.0,kernel='linear',probability=True,verbose=True)
clf.fit(X, y_)
注意:我不是在讨论使用"get_params“或"set_params”可以达到的参数。我指的是作为算法结果确定的实际系数。
浏览 1提问于2016-03-30得票数 1
回答已采纳
我正在测试Seldon Core，我想知道是否有一种简单的方法来路由模型A的输出作为Seldon Core上的模型B的输入。最佳实践是什么？
浏览 11提问于2019-08-14得票数 2
回答已采纳
我使用eli5为特性的重要性应用置换过程。在中，有一些解释和一个小例子，但还不清楚。
我使用sklearn SVC模型来解决分类问题。
，我的问题是:当特定特征被洗牌时，这些权重是精度的变化(减少/增加)还是这些特征的SVC权重？
在中，作者指出，这些值表明，该特性的重新洗牌降低了模型的性能。但不确定是否真的是这样。
小例子：
from sklearn import datasets
import eli5
from eli5.sklearn import PermutationImportance
from sklearn.svm import SVC, SVR
# import some
浏览 3提问于2020-02-28得票数 3
回答已采纳
我正在尝试Seldon核心的例子。
这是SeldonExampleDeployment.yaml。
apiVersion: machinelearning.seldon.io/v1
kind: SeldonDeployment
metadata:
name: seldon-model
spec:
name: test-deployment
predictors:
- componentSpecs:
- spec:
containers:
- image: seldonio/mock_classifier_rest:1.3
浏览 4提问于2020-10-15得票数 1
2回答
如何用机器学习算法设置多个类？
、、、、
我使用XGboost、Randomforest(sklearn)、SVM(sklearn)和MLPclassifier(sklearn)作为分类器。我想为多标签类设置这些模型。我该怎么做？
import xgboost as xgb
from sklearn.svm import SVC
from sklearn.neural_network import MLPClassifier
from sklearn.ensemble import RandomForestClassifier
xgb.XGBClassifier()
SVC()
MLPClassifier()
RandomFores
浏览 1提问于2018-11-30得票数 0
回答已采纳
1回答
Scikit-learn支持转移学习吗？请检查以下代码。
clf模型是用fit(X,y)实现的
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？
>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> X, y= ....
>>> clf.fit(X, y)
SVC()
>>> import pickle
>>> s =
浏览 0提问于2020-07-22得票数 7
回答已采纳
我正在尝试使用带有标准配置的GKE私有集群，以及Anthos服务网格管理配置文件。但是，当我尝试为测试部署"Iris“模型时，部署仍然停留在调用"storage.googleapis.com"：
$ kubectl get all -n test
NAME READY STATUS RESTARTS AGE
pod/iris-model-default-0-classifier-dfb586df4-ltt29 0/3 Init:1/2 0
浏览 11提问于2022-11-19得票数 0
我试图用sklearn来评估多种机器学习算法，以获得一些度量(准确性、回忆性、精确性，甚至更多)。
对于我从文档和源代码(我正在使用sklearn 0.17)了解到的内容，函数每次执行只接收一个记分器。因此，为了计算多个分数，我必须：
多次执行
实现my (时间消耗和容易出错)记分器
我多次使用以下代码执行：
从sklearn.svm导入SVC，从sklearn.naive_bayes导入GaussianNB，从sklearn.tree导入DecisionTreeClassifier，从sklearn.cross_validation导入cross_val_score导入时间，从skl
浏览 4提问于2016-03-08得票数 50
回答已采纳
1回答
如果我使用make_pipeline，是否仍然需要使用fit和transform函数来适应我的模型和转换，或者它将自己执行这些函数？
另外，StandardScaler也是执行规范化还是只执行缩放？
解释代码:我想应用PCA，然后用svm应用规范化。
pca = PCA(n_components=4).fit(X)
X = pca.transform(X)
# training a linear SVM classifier 5-fold
from sklearn.svm import SVC
from sklearn.model_selection import cross_val_
浏览 2提问于2018-04-21得票数 1
回答已采纳
最近，我开始学习如何使用sklearn，并且刚刚看到了这个奇怪的结果。
我使用digits数据集在sklearn中尝试不同的模型和估计方法。
当我在数据上测试一个支持向量机模型时，我发现在sklearn中有两个不同的类用于支持向量机分类：SVC和LinearSVC，前者使用一对一的方法，另一个使用一个对rest的方法。
我不知道这会对结果产生什么影响，所以我两次都试了。我做了蒙特卡洛式的估计，我运行了两个模型500次，每次随机将样本分成60%的训练和40%的测试，并在测试集上计算预测的误差。
常规SVC估计器产生下列误差直方图：
📷
而线性SVC估计则产生以下直方图：
📷
为什么会有如此明显的
浏览 0提问于2015-09-02得票数 25
1回答
在SKLEARN for SVC中，有一部分代码我不太理解它的用途。我理解在创建分类器时将参数传递给SVC的想法。但是我好奇的一行并不是创建一个分类器。它只是"SVC(....)“在一条独立线路上。我不确定它是否只是作为如何在示例中格式化参数的示例……或者如果它实际上是在修改刚刚创建的分类器...或者别的什么。 每次我看到分类器的创建，它都有这样的形式： >>> clf = SVC(...) 我试着搜索“独立SVC”之类的东西，但都没有用。 # This is taken straight from sklearn.SVC
# https://scikit-lear
浏览 19提问于2019-06-18得票数 0
回答已采纳
1回答
当RBF SVC适合使用sklearn管道对象时，它能得到支持向量的数目和(或)它们的值吗？我的管道看起来像这样
dim_reduction = TruncatedSVD( n_components = dim_reduction_n_comp, random_state = 611 )
classifier_obj = sklearn.pipeline.Pipeline([
('scaler', sklearn.preprocessing.StandardScaler()),
( 'dim_reduction', dim_
浏览 10提问于2022-08-16得票数 0
回答已采纳
1回答
在ngram模型(字符ngram或词袋)中，我们需要确保测试数据的词汇不用于拟合或训练模型。 这就是sklearn TfidfVectorizer函数对两个函数(拟合和变换)所做的事情。 所以，如果我有一个sklearn Pipeline模型： model = Pipeline([
('tfidf', TfidfVectorizer()),
('svc', SVC())
]) 并将其传递给交叉验证函数： cv = cross_val_score(model, data['text'], data['
浏览 21提问于2019-03-08得票数 0
回答已采纳
1回答
是否有可能看到由BaggingClassifier()形成的单个基分类器？我正在使用的代码是sklearn库中的示例代码，用于通过打包进行预测：
from sklearn.svm import SVC
from sklearn.ensemble import BaggingClassifier
from sklearn.datasets import make_classification
X, y = make_classification(n_samples=100, n_features=4,
n_informative=2, n_redun
浏览 14提问于2022-04-05得票数 0
回答已采纳
1回答
在sklearn中，可以定义一个串行管道，以获得管道的所有连续部分的最佳超参数组合。串行管道可以实现如下：
from sklearn.svm import SVC
from sklearn import decomposition, datasets
from sklearn.pipeline import Pipeline
from sklearn.model_selection import GridSearchCV
digits = datasets.load_digits()
X_train = digits.data
y_train = digits.target
#Use Pr
浏览 0提问于2017-02-16得票数 6
回答已采纳
2回答
我使用SKLearn对我的数据运行SVC。
from sklearn import svm
svc = svm.SVC(kernel='linear', C=C).fit(X, y)
我想知道如何才能得到X中每个数据点与决策边界的距离？
浏览 3提问于2015-08-18得票数 4
回答已采纳
如何以类似于sklearn.svm.LinearSVC的probability=True选项的方式从sklearn.svm.SVC模型中得到预测的概率估计?该选项允许predict_proba()，因为我的训练集很大，因此需要避免底层libsvm of SVC的二次拟合惩罚。
浏览 1提问于2019-01-28得票数 0
回答已采纳
基于MLpack C++的机器学习模型与seldon核的集成
基于MLpack C++的机器学习模型与seldon核的集成
浏览 4提问于2022-11-17得票数 0
我正在使用支持向量机执行一些机器学习任务。我怀疑数据是非线性的，所以我也包括了RBF核。研究发现，RBF核支持向量机比线性支持向量机性能差得多。我想知道我的分类器参数规范是否做错了什么。
我的代码如下：
from sklearn.svm import LinearSVC
from sklearn.svm import SVC
svm1 = LinearSVC() # performs the best, similar to logistic regression results which is expected
svm2 = LinearSVC(class_weight="aut
浏览 8提问于2016-01-08得票数 3
回答已采纳
我有一个有10个特性的分类问题，我必须预测1或0。当我训练SVC模型时，随着列车测试的分割，数据的测试部分的所有预测值都是0。数据具有以下0-1计数：
0：1875年
1：1463年
培训该模型的代码如下：
from sklearn.svm import SVC
model = SVC()
model.fit(X_train, y_train)
pred= model.predict(X_test)
from sklearn.metrics import accuracy_score
accuracy_score(y_test, pred)`
为什么要预测所有病例的0？
浏览 0提问于2019-09-18得票数 0
我正在尝试在sklearn中构建一个使用KNeighborsClassifier和支持向量机的GridSearchCV管道。到目前为止，我已经尝试了以下代码：
from sklearn.model_selection import GridSearchCV
from sklearn.pipeline import Pipeline
from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=3)
from sklearn import svm
from sklearn.s
浏览 19提问于2017-03-11得票数 1
我正在尝试将一些旧代码从使用sklearn转换为Keras实现。由于保持相同的操作方式至关重要，我想知道我这样做是否正确。 我已经转换了大部分代码，但是我在sklearn.svm SVC分类器转换方面遇到了问题。下面是它现在的样子： from sklearn.svm import SVC
model = SVC(kernel='linear', probability=True)
model.fit(X, Y_labels) 超级简单，对吧。然而，我在Keras中找不到类似的SVC分类器。所以，我尝试的是： from keras.models import Sequentia
浏览 40提问于2019-01-29得票数 16
回答已采纳
我第一次在python中使用支持向量机。我还使用了5交叉验证，以检验模型的准确性。
该模型的目的是对输出是否存在缺陷进行分类。我想交叉检查输出分类与原始数据集。换句话说，我想了解哪些产品被归类为缺陷，哪些具体没有被归类为缺陷。我该怎么做？
我的代码：
from sklearn.svm import SVC
svclassifier_rbf = SVC(kernel='rbf')
clf = svclassifier_rbf.fit(X_train, y_train)
from sklearn.metrics import classification_report
浏览 1提问于2018-12-24得票数 1
回答已采纳
如何显示支持向量机模型的重要特性以及特征名？
我的代码如下所示，
首先我导入了模块
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.grid_search import GridSearchCV
from sklearn.metrics import accuracy_score
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipel
浏览 1提问于2018-01-22得票数 2
回答已采纳
1回答
ML模型部署CI/CD
、、、、
我正在使用DataBricks上的MLFlow训练模型，并将最终模型输出到S3上。然后，使用Seldon-Core打包模型并将其部署到AWS EKS。
我正在寻找一种工具，通过从S3获取模型，将其打包到码头容器中，并使用Seldon-Core K8S模板将其推送到AWS EKS，从而弥合差距。
我相信最适合这项工作的工具是Kubeflow Pipeline。其他竞争者是Jenkins、Gitlab和TravisCI。
Kubeflow是这项工作的绝对正确的工具吗? Kubeflow与其他人相比有什么优缺点？如果有人已经做了可能建造管道的研究...
浏览 25提问于2019-07-17得票数 1
回答已采纳
我想使用SelectFromModel为我的模型选择最好的功能。然而，当我想要定义分类模型时，我得到了一个错误。
例如(参见下面的代码)这个代码可以工作，它也可以用于决策树、随机森林和逻辑回归：
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.feature_selection import RFE, SelectFromModel
from sklearn.svm import SVC
from sklearn.tree im
浏览 2提问于2019-08-19得票数 0
在sklearn库中声明模型后-
model1 = sklearn.svm.SVC()
model2 = sklearn.kernel_ridge.KernelRidge()
我们可以通过使用model.get_params()直接获取可用的超参数，tensorflow中有这样的东西吗？此外，如果我们加载已经设置了这些超参数的预先构建的模型，我们能得到它们吗？
浏览 44提问于2021-02-15得票数 0
Dataframe：
id review name label
1 it is a great product for turning lights on. Ashley
2 plays music and have a good sound. Alex
3 I love it, lots of fun. Peter
浏览 0提问于2021-09-23得票数 0
回答已采纳
1回答
我在做赛尔登的部署。我已经使用sklearn创建了自定义管道，它位于MyPipelines/CustomPipelines.py.目录中。主要代码my_prediction.py是seldon默认将执行的文件(基于我的配置)。在此文件中，我将导入自定义管道。如果我在本地( my_prediction.py )执行了PyCharm，它就会执行得很好。但是，如果我使用Seldon部署它，就会得到错误：Attribute Error: Can't get Attribute 'MyEncoder'
它无法在CustomPipelines.py中加载模块。我尝试了来自的所有解决
浏览 4提问于2021-10-20得票数 1
基本上，我希望将列索引视为超参数。然后调优此超参数以及管道中的其他模型超参数。在下面的示例中，col_idx是我的超参数。我自定义了一个名为log_columns的函数，它可以对某些列执行对数转换，并且可以将该函数传递给FunctionTransformer。然后将FunctionTransformer和模型放入管道中。
from sklearn.svm import SVC
from sklearn.decomposition import PCA
from sklearn.datasets import load_digits
from sklearn.pipeline import ma
浏览 3提问于2019-08-21得票数 2
回答已采纳
1回答
这是我使用非线性支持向量机进行数字分类的代码。我采用交叉验证方案来选择超参数c和gamma。但是，GridSearch返回的模型没有一个n_support_属性来获取支持向量的数量。
from sklearn import datasets
from sklearn.cross_validation import train_test_split
from sklearn.grid_search import GridSearchCV
from sklearn.metrics import classification_report
from sklearn.svm import SVC
fr
浏览 2提问于2016-02-19得票数 1
回答已采纳
5回答
是否有更好的内置方式在一个管道中进行网格搜索和测试多个模型？当然，模型的参数是不同的，这对我来说是很复杂的。以下是我所做的：
from sklearn.pipeline import Pipeline
from sklearn.ensemble import RandomForestClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.svm import SVC
from sklearn.naive_bayes import MultinomialNB
from sklearn.grid_sear
浏览 13提问于2014-04-13得票数 44
回答已采纳
如何实现多类线性支持向量机，返回测试样本的可支持性矩阵。列车样本: mxn列车标签: mxc测试标签: mxc，其中列有每个类的概率。
sklearn中的函数执行“1-vs-therest”，它不为每个示例返回可能数组，比如具有predict_proba的。
编辑
代码：
print X_train.shape,y.shape
svc = LinearSVC()
clf = CalibratedClassifierCV(svc, cv=10)
clf.fit(X_train, y)
输出：
(7112L, 32L) (7112L,
浏览 5提问于2015-07-24得票数 3
回答已采纳
我正在尝试在亚马逊网络服务的SageMaker上部署sklearn支持向量机模型。但在测试模型时，即使我对算法、相同的训练和测试数据使用相同的hyperparameters，我也会得到不同的输出。
svm.SVC(kernel='rbf',gamma=1.0,C=10,probability=True)
我期望输出中有五个类。以下是我在本地运行时获得的测试数据的输出：
在SageMaker中，我只得到了4个作为所有测试数据的输出。
浏览 0提问于2018-10-11得票数 2
基于这里的答案，我尝试将GridSearchCV用于多类情况：
但是我得到了值错误，multiclass format is not supported.
如何将此方法用于多类情况？
下面的代码来自上面链接中的答案。
import numpy as np
from sklearn.datasets import make_classification
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.pipeline import make_pipeline
fr
浏览 0提问于2015-07-07得票数 7
回答已采纳
1回答
我已经创建了一个管道使用sklearn，以便多个模型将通过它。既然在模型拟合之前就有向量化，那么这种矢量化是否总是在模型拟合过程之前进行的呢？如果是的话，也许我应该把这个预处理从管道里拿出来。
log_reg = LogisticRegression()
rand_for = RandomForestClassifier()
lin_svc = LinearSVC()
svc = SVC()
# The pipeline contains both vectorization model and classifier
pipe = Pipeline(
[
('
浏览 1提问于2022-08-17得票数 0
回答已采纳
1回答
我在文档中看到，sklearn.svm.SVC类构造函数中有选项。
但是每当我尝试使用它时，我都会得到这样的错误消息
svc = svm.SVC(kernel=kernel_option[kernel_gene], degree=degree_value, gamma=gamma_value, max_iter = 1000)
TypeError: __init__() got an unexpected keyword argument 'max_iter'
这是我的代码：
svc = svm.SVC(kernel=kernel_option[kernel_gene], de
浏览 2提问于2012-11-28得票数 1
回答已采纳
我使用sklearn.svm.SVC训练支持向量机分类器，并存储权重(系数)。然后，我加载了它们，并试图将它们注入到sklearn.svm.SVC的一个新实例中，但是无法执行，因为属性coef_似乎是只读的。
from sklearn import svm
import pickle
modelSVM = svm.SVC(kernel='linear')
weights = pickle.load(open(weights_path, 'rb'))
modelSVM.coef_ = weights
我希望有一个模型，其中的权重作为新的系数加载，但是我得到了这
浏览 4提问于2019-05-15得票数 0
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
