机器学习模型:我应该定义一个类还是函数

我在使用Python编写自己的机器学习模型以进行练习。我有两种方法可以选择:

  1. 编写一个函数,例如 def logisticRegression(...):

  2. 编写一个类,例如 class logisticRegression:

显然,这两种方法都可以工作。但哪一种更符合Python的风格呢?


回答:

对我来说,使用类的方法更有意义,因为你可以将模型保存为类的实例,并且可以将类的方法设置为类似于 train() 来初始化模型,以及 predict() 方法来多次使用你的模型,而无需重新训练它。

看看scikit-learn的Logistic Regression类,它非常合理且直观。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注