从保存的机器学习模型中检索指标

Question

我有一个问题，是否可以在不经过训练和测试的情况下恢复已保存模型的指标，例如 f1 分数、混淆矩阵、召回率……？

我使用 pickle 来保存我的模型

with open('SVM_Model.pkl', 'wb') as f:
    pickle.dump(fitted_model, f)

                                    
with open('SVM_Model.pkl', 'rb') as f:
    joblib_LR_model = pickle.load(f)

Answer 1

有两种方法。

第一个是计算一些数据集的指标并保存它们，例如在 json 文件中。

from sklearn.metrics import f1_score
import json

f1_value = f1_score(y_true, y_pred, average='macro')

f1_save = {'f1': f1_value}

with open('f1_save.json', 'wb') as f:
    json.dump(f1_save, f)

另一种方法是在加载模型后计算新数据的指标


with open('SVM_Model.pkl', 'rb') as f:
    joblib_LR_model = pickle.load(f)

f1_value = f1_score(y_test, model.predict(x_test), average='macro')

从保存的机器学习模型中检索指标

Retrieve metrics from a saved model machine learning

python-3.x

machine-learning

scikit-learn

model