时间戳

首页 > 解决方案 > 使用带有 sklearn 和 pickle 的随机森林循环预测

python - 使用带有 sklearn 和 pickle 的随机森林循环预测

问题描述

我在 Python3.6 上使用 sci-kit learn，并且在从 Pickle 加载的随机森林循环中进行预测时遇到了一些运行时问题。

当我从具有 1 个估计器（树）的随机森林进行预测时，每个样本的运行时间约为 0.002 秒。但是，当我增加估计器的数量（>1）时，无论树的数量如何，运行时间都会增加到每个样本 0.1 秒。

这是我保存模型的代码：

clf = RandomForestClassifier(n_estimators=1, #or > 1 
            n_jobs=-1,
            random_state=2,
            max_depth=15,
            min_samples_leaf=1,
            verbose=0,
            max_features='auto'
            )

clf.fit(X_train, y_train)

with open('classifier.pkl', 'wb') as fid:
    cPickle.dump(clf, fid)

这是我在循环中加载模型和预测的代码：

with open('classifier.pkl', 'rb') as fid:
    clf = cPickle.load(fid)

for s in samples:
    #my feature extraction method
    pred = clf.predict(feature) #feature is a 1D np array containing features computed for the sample s

我不明白为什么运行时间与树的数量不成正比，以及为什么它增长得如此之快。这是一个错误还是我以错误的方式使用泡菜？

拜托，你能帮帮我吗？

CB

标签： pythonmachine-learningruntimepicklerandom-forest

解决方案

推荐阅读