擬合相同 scikit-learn model 的多個實例

Question

我正在嘗試在我的數據集上運行多個多項邏輯回歸。 一旦我運行一個，我正在嘗試 append model 我剛剛跑到一個列表，所以我可以稍后訪問特定的 model。 代碼看起來像這樣

models = []
for i in range(0, 10):
  model = sklearn.linear_model.LogisticRegression()
  model.fit(x,y)
  models.append(model)

其中 x 和 y 在for迭代中都不同。 問題是我在最終數組“模型”的每個元素中得到的系數/模型與 for 循環的最終迭代相同。 我假設這是因為我只是在每次迭代時更新參考，而不是每次都創建新的邏輯回歸 model。 有人可以指出一個更好的方法來做到這一點嗎？

Answer 1

您可能對clone function 感興趣。

sklearn.base.clone（估計器，*，安全=真）[來源]

構造一個具有相同參數的新的未擬合估計器。 克隆在估算器中對 model 進行深層復制，而無需實際復制附加數據。 它產生了一個新的估計器，它具有相同的參數，但尚未適合任何數據。

from sklearn.base import clone

model = LogisticRegression()
new_model = clone(model)