FrozenEstimator

class sklearn.frozen.FrozenEstimator(estimator)

包裹已匹配的估计器以防止重新匹配的估计器。

这个元估计器获取一个估计器并将其冻结，就像调用 fit 对它没有影响。 fit_predict 和 fit_transform 也是残疾人。所有其他方法都委托给原始估计器，并且原始估计器的属性也可以访问。

当您有一个合适的或预先训练的模型作为管道中的Transformer并且您想要 pipeline.fit 对这一步没有影响。

参数:

estimator估计器

将保持冻结的估计量。

参见

None

scikit-learn文档中没有类似的条目。

示例

>>> 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)

不操作。

As a frozen estimator, calling fit has no effect.

参数:

X对象

忽视

y对象

忽视

*args元组

其他立场论点。被忽视，但出于API兼容性 self.estimator .

**kwargsdict

其他关键字参数。被忽视，但出于API兼容性 self.estimator .

返回:

self对象

返回实例本身。

get_metadata_routing()

获取此对象的元数据路由。

请检查 User Guide 关于路由机制如何工作。

返回:

routingMetadataRequest

A MetadataRequest 封装路由信息。

get_params(deep=True)

获取此估计器的参数。

返回一个 {"estimator": estimator} 独裁。不包括内部估计器的参数。

参数:

deep布尔，默认=True

忽视

返回:

paramsdict

参数名称映射到其值。

set_params(**kwargs)

设置此估计器的参数。

这里唯一有效的密钥是 estimator .您无法设置内部估计器的参数。

参数:

**kwargsdict

估计参数。

返回:

selfFrozenEstimator

这个估计器。