我使用以下代码通过决策树分类器获得了多类分类摘要，

from sklearn.tree import DecisionTreeClassifierclassifier = DecisionTreeClassifier(random_state=17)classifier.fit(train_x, train_Y)pred_y = classifier.predict(test_x)print(classification_report(test_Y,pred_y))accuracy_score(test_Y,pred_y)

输出中没有关于测试或训练数据集的时间信息。

如何获取模型的测试时间和训练时间？

回答：

一些scikit-Learn模型确实有一个verbose参数，允许你控制拟合过程的详细程度，包括时间信息，参见这里的一些示例。但DecisionTreeClassifier并非如此。不过，你可以简单地自己计时：

import timestart_time = time.time()classifier.fit(X_train, y_train)elapsed_time = time.time() - start_timeprint(f'{elapsed_time:.2f}s elapsed during training')

或者你可以用Pipeline包装它，将verbose设置为高于0的值（注意，sklearn的pipeline的一个有趣功能是按顺序封装一系列要应用的转换以及最终的估算器）：

from sklearn.pipeline import Pipelinepipe = Pipeline([('tree', DecisionTreeClassifier())], verbose=3)pipe.set_params(tree__random_state=17).fit(X_train, y_train)