测试 sklearn 模型是否已拟合的最佳方法是什么？

检查 sklearn 模型是否已安装的最优雅的方法是什么？即是否是fit()函数在实例化后是否被调用。

你可以这样做：

from sklearn.exceptions import NotFittedError

for model in models:
    try:
        model.predict(some_test_data)
    except NotFittedError as e:
        print(repr(e))

理想情况下，您会检查以下结果model.predict与预期结果相反，但如果您想知道模型是否拟合，那应该足够了。

Update:

一些评论者建议使用检查是否安装 http://scikit-learn.org/stable/modules/generated/sklearn.utils.validation.check_is_fitted.html。我认为check_is_fitted an 内部方法 http://scikit-learn.org/dev/glossary.html#term-fitted。大多数算法都会调用check_is_fitted在他们的预测方法中，这反过来可能会引发NotFittedError如果需要的话。使用时出现的问题check_is_fitted直接的原因是它是特定于模型的，即您需要知道根据您的算法检查哪些成员。例如：

╔════════════════╦════════════════════════════════════════════╗
║ Tree models    ║ check_is_fitted(self, 'tree_')             ║
║ Linear models  ║ check_is_fitted(self, 'coefs_')            ║
║ KMeans         ║ check_is_fitted(self, 'cluster_centers_')  ║
║ SVM            ║ check_is_fitted(self, 'support_')          ║
╚════════════════╩════════════════════════════════════════════╝

等等。所以一般来说我建议打电话model.predict()并让特定的算法处理最好的方法来检查它是否已经安装。