[英]Incremental training of random forest model using python sklearn
我使用以下代码来保存随机森林模型。 我正在使用cPickle来保存训练有素的模型。 当我看到新数据时,我可以逐步训练模型吗? 目前,列车组有大约2年的数据。 有没有办法在另外两年训练,并且(有点)将它附加到现有的已保存模型。
rf = RandomForestRegressor(n_estimators=100)
print ("Trying to fit the Random Forest model --> ")
if os.path.exists('rf.pkl'):
print ("Trained model already pickled -- >")
with open('rf.pkl', 'rb') as f:
rf = cPickle.load(f)
else:
df_x_train = x_train[col_feature]
rf.fit(df_x_train,y_train)
print ("Training for the model done ")
with open('rf.pkl', 'wb') as f:
cPickle.dump(rf, f)
df_x_test = x_test[col_feature]
pred = rf.predict(df_x_test)
编辑1:我没有计算能力来同时训练模型4年的数据。
您可以在模型中将'warm_start'参数设置为True。 这将确保通过使用适合呼叫的先前学习来保持学习。
设置'warm_start'后,同一模型逐步学习两次(train_X [:1],train_X [1:2])
forest_model = RandomForestRegressor(warm_start=True)
forest_model.fit(train_X[:1],train_y[:1])
pred_y = forest_model.predict(val_X[:1])
mae = mean_absolute_error(pred_y,val_y[:1])
print("mae :",mae)
print('pred_y :',pred_y)
forest_model.fit(train_X[1:2],train_y[1:2])
pred_y = forest_model.predict(val_X[1:2])
mae = mean_absolute_error(pred_y,val_y[1:2])
print("mae :",mae)
print('pred_y :',pred_y)
mae:1290000.0 pred_y:[1630000。] mae:925000.0 pred_y:[1630000.]
仅使用最后学习值建模(train_X [1:2])
forest_model = RandomForestRegressor()
forest_model.fit(train_X[1:2],train_y[1:2])
pred_y = forest_model.predict(val_X[1:2])
mae = mean_absolute_error(pred_y,val_y[1:2])
print("mae :",mae)
print('pred_y :',pred_y)
mae:515000.0 pred_y:[1220000.]
http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html
您正在谈论的是,使用附加数据逐步更新模型,请参阅sklearn 用户指南 :
虽然并非所有算法都可以逐步学习(即没有同时看到所有实例),但实现partial_fit API的所有估算器都是候选者。 实际上,从一小批实例中逐步学习的能力(有时称为“在线学习”)是核心学习的关键,因为它保证在任何给定时间内只有少量实例。主记忆。
它们包括一个实现partial_fit()
的分类器和回归器列表,但RandomForest不在其中。 您还可以确认RFRegressor未在RandomForestRegressor的文档页面上实现部分拟合。
一些可能的前进方式:
partial_fit()
的回归程序,例如SGDRegressor feature_importances_
属性,然后在删除不重要的功能后重新训练模型3或4年的数据 tree_depth
参数以限制模型的复杂程度。 这节省了计算时间,因此可以允许您使用所有数据。 它还可以防止过度拟合。 使用交叉验证为您的问题选择最佳树深度超参数 n_jobs=-1
则在您的计算机上使用多个核心/处理器。
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.