FrozenEstimator

classsklearn.frozen.FrozenEstimator(estimator)[source]

Оцениватель, который оборачивает обученный оцениватель, чтобы предотвратить его повторное обучение.

Этот метаоцениватель принимает оцениватель и замораживает его: вызов fit не оказывает на него влияния. Также отключены fit_predict и fit_transform. Все остальные методы делегируются исходному оценивателю, а его атрибуты остаются доступными.

Это особенно полезно, если у вас есть обученная или предварительно обученная модель в качестве преобразователя в конвейере и вы хотите, чтобы pipeline.fit не оказывал влияния на этот шаг.

Параметры:

estimatorоцениватель

Оцениватель, который нужно заморозить.

См. также

None

В документации scikit-learn нет похожей записи.

Примеры

>>> from sklearn.datasets import make_classification
>>> from sklearn.frozen import FrozenEstimator
>>> from sklearn.linear_model import LogisticRegression
>>> X, y = make_classification(random_state=0)
>>> clf = LogisticRegression(random_state=0).fit(X, y)
>>> frozen_clf = FrozenEstimator(clf)
>>> frozen_clf.fit(X, y)  # No-op
FrozenEstimator(estimator=LogisticRegression(random_state=0))
>>> frozen_clf.predict(X)  # Predictions from `clf.predict`
array(...)

fit(X, y, *args, **kwargs)[source]

Ничего не делает.

У замороженного оценивателя вызов fit не оказывает влияния.

Параметры:

Xobject

Игнорируется.

yobject

Игнорируется.

*argstuple

Дополнительные позиционные аргументы. Игнорируются, но присутствуют для совместимости API с self.estimator.

**kwargsdict

Дополнительные именованные аргументы. Игнорируются, но присутствуют для совместимости API с self.estimator.

Возвращает:

selfobject

Возвращает сам экземпляр.

get_metadata_routing()[source]

Получить сведения о маршрутизации метаданных этого объекта.

Подробнее о работе механизма маршрутизации см. в руководстве пользователя.

Возвращает:

routingMetadataRequest

Объект MetadataRequest, содержащий сведения о маршрутизации.

get_params(deep=True)[source]

Получить параметры этого оценивателя.

Возвращает словарь {"estimator": estimator}. Параметры внутреннего оценивателя не включаются.

Параметры:

deepbool, default=True

Игнорируется.

Возвращает:

paramsdict

Имена параметров, сопоставленные их значениям.

set_params(**kwargs)[source]

Задать параметры этого оценивателя.

Здесь допустим только ключ estimator. Нельзя задавать параметры внутреннего оценивателя.

Параметры:

**kwargsdict

Параметры оценивателя.

Возвращает:

selfFrozenEstimator

Этот оцениватель.

Примеры из галереи

Калибровка вероятностей для классификации на 3 класса

Примеры использования FrozenEstimator

Настройка порога принятия решения для обучения с учётом стоимости

Основные изменения в scikit-learn 1.6