我有一個問題，是否可以在不經過訓練和測驗的情況下恢復已保存模型的指標，例如 f1 分數、混淆矩陣、召回率……？
我用泡菜來保存我的模型
with open('SVM_Model.pkl', 'wb') as f:
pickle.dump(fitted_model, f)
with open('SVM_Model.pkl', 'rb') as f:
joblib_LR_model = pickle.load(f)
uj5u.com熱心網友回復：
有兩種方法。
第一個是計算一些資料集的指標并保存它們，例如在 json 檔案中。
from sklearn.metrics import f1_score
import json
f1_value = f1_score(y_true, y_pred, average='macro')
f1_save = {'f1': f1_value}
with open('f1_save.json', 'wb') as f:
json.dump(f1_save, f)
另一種方法是在加載模型后計算新資料的指標
with open('SVM_Model.pkl', 'rb') as f:
joblib_LR_model = pickle.load(f)
f1_value = f1_score(y_test, model.predict(x_test), average='macro')
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/485417.html
標籤：python-3.x 机器学习 scikit-学习 模型
上一篇：如何生成嵌套ifelse()陳述句來評估R中混淆矩陣的三個分類二進制級別的預測
下一篇：ggplot問題。折線圖未填充