适合后检索训练数据

Question

我期待能够检索scikit-learn估算器在训练过的数据（即，拟合后）。

例如，如果我适合像这样一个RandomForestClassifier：

rf = RandomForestClassifier() 
train_X = np.asarray([[0, 1, 0], [1, 1, 1], [0, 1, 1]]) 
train_y = np.asarray([1, 0, 1]) 
rf.fit(train_X, train_y) 

有没有办法从估计回我的训练数据和类标签？

喜欢的东西....

rf.X_ 
>>>array([[0, 1, 0], 
      [1, 1, 1], 
      [0, 1, 1]]) 

Answer 1

从docs，我没有看到任何东西，真的会允许这种。但是，你可以尝试定义这样一个类：

class RFClassifierWithData: 
    def __init__(self): 
     self.clf = RandomForestClassifier() 
    def fit(self, train_X, train_y): 
     self.train_X = train_X 
     self.train_y = train_y 
     self.clf.fit(self.train_X, self.train_y) 

想出来：

>>> model = RFClassifierWithData() 
>>> model.fit(train_X, train_y) 
>>> model.train_X 
array([[0, 1, 0], 
     [1, 1, 1], 
     [0, 1, 1]]) 
>>> model.train_y 
array([1, 0, 1]) 

，你仍然可以访问拟合分类：

>>> model.clf 
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini', 
      max_depth=None, max_features='auto', max_leaf_nodes=None, 
      min_samples_leaf=1, min_samples_split=2, 
      min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1, 
      oob_score=False, random_state=None, verbose=0, 
      warm_start=False) 

请注意，这可能不是做到这一点是最安全或最稳健的方式，但它应该给你一个开始的好地方。您可能希望使传递给此类中的__init__的参数与基类RandomForestClassifier类中的参数相等。

编辑：

我仍然认为这是一个有效的选择，即使你想从一个腌分类数据：

from sklearn.externals import joblib 

joblib.dump(model, 'model.pkl') 
same_model = joblib.load('model.pkl') 

这一切都仍然存在：

In [19]: same_model.train_X 
Out[19]: 
array([[0, 1, 0], 
     [1, 1, 1], 
     [0, 1, 1]]) 

same_model.train_y 
Out[20]: array([1, 0, 1]) 
In [21]: same_model.clf 
Out[21]: 
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini', 
      max_depth=None, max_features='auto', max_leaf_nodes=None, 
      min_samples_leaf=1, min_samples_split=2, 
      min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1, 
      oob_score=False, random_state=None, verbose=0, 
      warm_start=False)