FrozenEstimator#

class sklearn.frozen.FrozenEstimator(estimator)[原始碼]#

此估算器會封裝已擬合的估算器，以防止重新擬合。

這個元估算器會接收一個估算器並凍結它，意即呼叫 fit 不會產生任何效果。fit_predict 和 fit_transform 也會被停用。所有其他方法都會委派給原始的估算器，且原始估算器的屬性也可以存取。

當您有一個已擬合或預先訓練的模型作為管道中的轉換器，且您希望 pipeline.fit 不會對此步驟產生任何影響時，這個方法特別有用。

參數:
estimator估算器

要保持凍結的估算器。

另請參閱

無

在 scikit-learn 文件中沒有類似的條目。

範例

>>> 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)[原始碼]#

無操作。

作為凍結的估算器，呼叫 fit 不會產生任何效果。

參數:
X物件

忽略。

y物件

忽略。

*argstuple

其他位置引數。忽略，但為了與 self.estimator 的 API 相容而存在。

**kwargsdict

其他關鍵字引數。忽略，但為了與 self.estimator 的 API 相容而存在。

返回:
self物件

返回實例本身。

get_metadata_routing()[原始碼]#

取得此物件的元數據路由。

請查看 使用者指南，了解路由機制如何運作。

返回:
routingMetadataRequest

一個 MetadataRequest，封裝路由資訊。

get_params(deep=True)[原始碼]#

取得此估算器的參數。

返回一個 {"estimator": estimator} 字典。不包含內部估算器的參數。

參數:
deepbool，預設值為 True

忽略。

返回:
paramsdict

參數名稱對應到它們的值。

set_params(**kwargs)[原始碼]#

設定此估算器的參數。

此處唯一有效的鍵是 estimator。您無法設定內部估算器的參數。

參數:
**kwargsdict

估算器參數。

返回:
selfFrozenEstimator

此估算器。