抑制Scikit learn预测中的控制台消息。

Question

我已经使用Scikit learn构建了预测模型。我使用Flask和joblib部署了这个模型。每当我使用已加载的模型对新的请求进行预测时，它会在控制台上打印有关花费在核心上的总时间的消息。

现在，我想禁用此打印。在模型对新的输入数据进行预测时，如何抑制给定的消息。

[Parallel(n_jobs=24)]: Done 117 out of 174 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 121 out of 179 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 122 out of 181 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 123 out of 183 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 125 out of 185 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 127 out of 188 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 128 out of 190 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 129 out of 192 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 132 out of 196 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 133 out of 198 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 135 out of 201 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 137 out of 204 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 138 out of 205 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 140 out of 208 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 143 out of 213 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 148 out of 220 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 149 out of 222 | elapsed:    0.0s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 153 out of 228 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 155 out of 231 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 159 out of 237 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 165 out of 246 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 168 out of 250 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 169 out of 252 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 171 out of 255 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 173 out of 258 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 177 out of 264 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 181 out of 270 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 183 out of 273 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 185 out of 276 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 187 out of 279 | elapsed:    0.1s remaining:    0.0s
[Parallel(n_jobs=24)]: Done 335 out of 500 | elapsed:    0.3s remaining:    0.1s
[Parallel(n_jobs=24)]: Done 500 out of 500 | elapsed:    0.3s finished

- Vignesh Prajapati

---

你能指出你正在使用哪个模型吗？通常有一个“verbose”参数可以修改。 - EdChum

我正在使用 model = GaussianNB()，朴素贝叶斯模型。 - Vignesh Prajapati

Answer 1

我在使用sklearn.linear_model.LinearRegression时遇到了类似的问题。在这个方法中，我无法在.fit()方法或构造函数中找到任何verbose参数。因此，以下是Python代码：

import numpy as np
from sklearn.linear_model import LinearRegression as LR

lr = LR()
y = np.random.rand(100) + 0.01 * np.arange(100)     # noisy line to fit    
x = np.arange(100)
x = np.reshape(y,[100,1])
lr.fit(x,y)

我得到了令人烦恼的输出：

LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)

由于fit（）方法返回指向自身的指针，因此该文本表示该对象。抑制此行为的简单方法是修改上面的代码如下：

a = lr.fit(x,y)

将指针分配给某个变量，而不是你的屏幕。

- Dr Snooze

---

不建议使用 a（或任何其他变量），我建议使用 _，因为通常用于忽略函数的输出值。因此，该行代码应该写成_ = lr.fit(x,y) - Arturo Moncada-Torres

Answer 2

如果产生的不必要输出是由于在模型的构造函数中设置了verbose = True，那么可以稍后将其更改为成员变量：

from sklearn.some_category import SomeModel as M

m = M(verbose=True)
m.fit(x, y)  # has output
m.verbose = False
m.predict(x) # no output

- NichtJens

---

是的，我认为另外两个答案没有真正回答问题：它们只是关闭了所有输出，而问题明确要求在实例化后甚至在拟合后如何关闭。编辑：我对我的答案进行了轻微修改，使其更加清晰... - NichtJens

你确定所有的模型都有 verbose 属性吗？ - Jarad

抱歉，我不确定。像这样确切的事情很难知道，不是吗？特别是因为sklearn开发人员现在可能会添加一个新模型，该模型可能没有它。您也可以问同样的问题，关于其他答案中使用的“verbose”参数来完全消除消息...您为什么要问呢？ - NichtJens

这是预装模型的答案。 - Justas

@Justas 是的，这是它的完美应用。 - NichtJens

这对我不起作用。 - Naveen Reddy Marthala

Answer 3

将verbose参数更改为False。

verbose：int，可选：详细程度：如果非零，则会打印进度消息。高于50，则输出发送到标准输出。消息的频率随着详细程度的增加而增加。如果它超过10，则报告所有迭代。

例如使用SVM模型。

SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
  kernel='rbf', max_iter=-1, probability=False, random_state=None,
  shrinking=True, tol=0.001, verbose=False)

- Mir Ilias

---

Mir，我想在预测方法中禁用它。我的数据有几GB，而且有多个模型，所以我不能重建它们。但是，如果我在模型构建时这样做，它会禁用它吗？ - Vignesh Prajapati

还有其他选项吗？ - Vignesh Prajapati