保存的 sklearn 模型预测与训练模型不同
Saved sklearn model predicts differently than a trained one
我在 sklearn 中训练了简单的 RandomForestRegressor：
from sklearn.ensemble import RandomForestRegressor
ran_for = RandomForestRegressor(n_estimators = 300, min_samples_split = 2,
random_state = RND, n_jobs = 20, max_depth = 8, verbose = 2)
ran_for.fit(X_c, y_c)
然后我通过 joblib 保存了模型：
from joblib import dump
dump(ran_for, '/content/random_forest_regressor.joblib')
之后我重新启动了我的内核，并加载了之前保存的模型：
from joblib import load
my_model = load('/content/random_forest_regressor.joblib')
我在同一数据集的样本上测试了保存的模型：
pred = my_model.predict(X_test)
看起来我保存的模型完全错误，这里是预测唯一值和 baplot：
print(pd.Series(pred).unique())
plt.figure(figsize = (10, 10))
pd.Series(pred).hist()
plt.show()
[892.52446705 599.29566532 539.45592338 903.74387156 601.12144516]
predictions barplot
我做错了吗？
我是 运行 这个 Google Colab
编辑： 正如评论中所建议的，这是保存前的模型预测：
pred = ran_for.predict(X_test)
print(pred[:20])
plt.figure(figsize = (10, 10))
pd.Series(pred).hist(bins = 1000).set_xlim([0, 5000])
plt.show()
Output
在这里您可以看到，该模型正在正确预测值。
原来是 Google Colab 问题。在我的本地机器上也试过 - 工作正常。
我在 sklearn 中训练了简单的 RandomForestRegressor：
from sklearn.ensemble import RandomForestRegressor
ran_for = RandomForestRegressor(n_estimators = 300, min_samples_split = 2,
random_state = RND, n_jobs = 20, max_depth = 8, verbose = 2)
ran_for.fit(X_c, y_c)
然后我通过 joblib 保存了模型：
from joblib import dump
dump(ran_for, '/content/random_forest_regressor.joblib')
之后我重新启动了我的内核，并加载了之前保存的模型：
from joblib import load
my_model = load('/content/random_forest_regressor.joblib')
我在同一数据集的样本上测试了保存的模型：
pred = my_model.predict(X_test)
看起来我保存的模型完全错误，这里是预测唯一值和 baplot：
print(pd.Series(pred).unique())
plt.figure(figsize = (10, 10))
pd.Series(pred).hist()
plt.show()
[892.52446705 599.29566532 539.45592338 903.74387156 601.12144516]
predictions barplot
我做错了吗？
我是 运行 这个 Google Colab
编辑： 正如评论中所建议的，这是保存前的模型预测：
pred = ran_for.predict(X_test)
print(pred[:20])
plt.figure(figsize = (10, 10))
pd.Series(pred).hist(bins = 1000).set_xlim([0, 5000])
plt.show()
Output 在这里您可以看到，该模型正在正确预测值。
原来是 Google Colab 问题。在我的本地机器上也试过 - 工作正常。