[英]How can i train multiple times an SVM classifier from sklearn in Python?
如果可以在for循环中多次在Python中使用sklearn训练SVM分类器,我就会徘徊。 我记得以下内容:
for i in range(0,10):
data = np.load(somedata)
labels = np.load(somelabels)
C = SVC()
C.fit(data, labels)
joblib.dump(C, 'somefolderpath/Model.pkl')
我希望我的模型能够针对10个数据及其标签中的每一个进行训练。 这是可能的,还是我必须将所有数据和标签附加到两个相应的数组中,其中包含我的10个项目中的整个数据和标签?
编辑 :如果我想为每个科目训练一个单独的分类器。 那么上面的语法如何? 我的编辑是否正确? 当我想为我的特定主题加载特定训练分类器时,我能做到:
C = joblib.load('somefolderpath/Model.pkl')
idx = C.predict(data)
?
在任何scikit-learn估算器上调用fit
将忘记所有先前看到的数据。 因此,如果您想使用所有数据(所有十个患者)进行预测,则需要先将其连接起来。 特别是,如果每somelabels
只包含一个标签,代码是没有意义的,甚至可能错误,因为只有一类是存在的。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.