Python sklearn在训练期间显示损失值

前端之家收集整理的这篇文章主要介绍了Python sklearn在训练期间显示损失值前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

我想在训练期间检查我的损失值,这样我就可以观察每次迭代时的损失.到目前为止,我还没有找到一个简单的方法让scikit学会给我一个损失值的历史,我也没有找到一个功能已经在scikit中为我绘制损失.

如果无法绘制这个,那么如果我可以简单地在classifier.fit的末尾获取最终的损失值,那就太好了.

注意:我知道某些解决方案是封闭的形式.我正在使用几个没有分析解决方案的分类器,例如逻辑回归和svm.

有没有人有什么建议?

最佳答案
所以我找不到关于直接获取每次迭代损失值的非常好的文档,但我希望这将有助于未来的人:

  1. old_stdout = sys.stdout
  2. sys.stdout = mystdout = StringIO()
  3. clf = SGDClassifier(**kwargs,verbose=1)
  4. clf.fit(X_tr,y_tr)
  5. sys.stdout = old_stdout
  6. loss_history = mystdout.getvalue()
  7. loss_list = []
  8. for line in loss_history.split('\n'):
  9. if(len(line.split("loss: ")) == 1):
  10. continue
  11. loss_list.append(float(line.split("loss: ")[-1]))
  12. plt.figure()
  13. plt.plot(np.arange(len(loss_list)),loss_list)
  14. plt.savefig("warmstart_plots/pure_SGD:"+str(kwargs)+".png")
  15. plt.xlabel("Time in epochs")
  16. plt.ylabel("Loss")
  17. plt.close()

代码将采用普通的SGDClassifier(几乎任何线性分类器),并拦截verbose = 1标志,然后将进行拆分以从详细打印中获取损失.显然这是较慢但会给我们带来损失并打印出来.

猜你在找的Python相关文章