C'è un modo per avere una barra di avanzamento per il metodo di adattamento in scikit-learn?Una barra di avanzamento per scikit-learn?
E 'possibile includere uno personalizzato con qualcosa come Pyprind?
C'è un modo per avere una barra di avanzamento per il metodo di adattamento in scikit-learn?Una barra di avanzamento per scikit-learn?
E 'possibile includere uno personalizzato con qualcosa come Pyprind?
Se si inizializza il modello con verbose=True
prima di chiamare fit
si dovrebbe ottenere una sorta di output che indica lo stato di avanzamento. Per esempio GradientBoostedClassifer
fornisce in uscita il progresso che assomiglia a questo:
Iter Train Loss Remaining Time
1 1.2811 0.71s
2 1.2595 0.58s
3 1.2402 0.50s
4 1.2263 0.46s
5 1.2121 0.43s
6 1.1999 0.41s
7 1.1876 0.39s
8 1.1761 0.38s
9 1.1673 0.37s
10 1.1591 0.36s
20 1.1021 0.29s
30 1.0511 0.27s
40 1.0116 0.25s
50 0.9830 0.22s
60 0.9581 0.19s
70 0.9377 0.16s
80 0.9169 0.14s
90 0.9049 0.12s
100 0.8973 0.10s
fit() ha ottenuto un argomento inaspettato parola chiave 'verbose' –
Aggiungere la parola chiave per il modello, non il metodo di chiamata in forma. Inoltre, usando SVR, l'impostazione verbose = True non ha aggiunto output per quanto posso dire. – oskopek
A meno che non manchi qualcosa, i meta-stimatori usati per multiclasse/multilabel non consentono tali parole chiave. Ad esempio non puoi usare verbose = True come parametro per OneVsRestClassifier(), solo per il classificatore che stai usando al suo interno. Questo è un peccato perché non si può avere un senso di progresso ad alto livello. – Stephen
Molti modelli supportano un argomento verbose che dà corso (e, talvolta, l'indicazione sulla velocità di convergenza).
ad es.
clf = MPLClassifier(verbose=True)
Se si dispone di un ciclo di fuori del modello di apprendimento, vi consiglio tqdm.
no, probabilmente non. – cel