我正在使用TransformedTargetRegressor定义我的自定义回归器,将其添加到管道中并将模型保存在“ joblib”文件中。但是,当我尝试加载模型时,出现错误
模块“ 主要”没有属性“ transform_targets”
其中transform_targets是为回归器定义的功能之一
def transform_targets(targets):
targets = (targets - min_t)/(max_t-min_t)
return targets
def inv_transform_targets(outputs):
outputs = (outputs)*(max_t-min_t)+min_t
return outputs
# Define the model
mlp_model = MLPRegressor(activation = 'relu',validation_fraction = 0.2,hidden_layer_sizes=(1000,))
full_model = TransformedTargetRegressor(regressor = mlp_model,func = transform_targets,inverse_func = inv_transform_targets)
# Incorporate feature scaling via pipeline
pipeline = make_pipeline(MinmaxScaler(),full_model)
nn_model = pipeline.fit(X_train,y_train)
# Fit the model which uses the transformed target regressor + maxmin pipeline
nn_model.fit(X_train,y_train)
from joblib import dump,load
dump(nn_model,'fitness_nn_C1.joblib')
该模型运行良好且可以很好地进行预测,可以保存且没有错误,但不会加载回去。如果我用泡菜将其保存,它也会返回类似的错误
AttributeError:模块' main '>
上无法获取属性'transform_targets'
有人知道如何保存一个包含TransformedTargetRegressor的模型到一个文件中,然后可以成功地重新加载它吗?我意识到我可以将与转换目标相关的参数/函数转储到一个单独的文件中,但这正是我要避免的
编辑:
当前解决方法是将MinmaxScaler用作转换器或预处理批次中的任何其他转换器,但仍不知道是否可以在此工作流程中包含自定义功能