我正在做一个项目，涉及将一些算法实现为python类，并测试它们的性能。我决定将它们写成sklearn估计器，这样我就可以使用进行验证。
然而，我的一个算法不仅仅接受X和y作为参数。这成为的一个问题，因为除了将X和y传递给估计器的fit方法之外，似乎没有其他方法可以传递更多。源代码显示了GridSearchCV.fit的以下参数
浏览 13提问于2017-08-31得票数 1
1回答
我创建了一个名为Vectorizer()的自定义转换器类，该类继承自sklearn's BaseEstimator和TransformerMixin类。这个类的目的是为GridSearchCV或RandomizedSearchCV提供特定于向量器的超参数(例如：ngram_range、向量器类型：CountVectorizer或TfidfVectorizer我打算以以下方式使用</
浏览 0提问于2022-01-02得票数 0
回答已采纳
我尝试使用管道和GridSearchCV的自定义回归函数。通过设置sklearn.svm.SVR类，然后在设置GridSearchCV时从字典中传递参数，我获得了使用GridSearchCV的方法。当使用我自己的回归函数(RegFn)时，我似乎无法做同样的事情。特别是，在设置参数</e
浏览 0提问于2018-04-04得票数 1
回答已采纳
根据sklearn.pipeline.Pipeline文档，实例为管道元素的类应该实现fit()和transform()。我成功地创建了一个具有这些方法的自定义类，并且能够很好地处理单个管道。现在，我想使用管道对象作为GridSearchCV的估计器参数。后者要求自定义类具有set_params()方法，因为我希望搜索自
浏览 0提问于2022-05-16得票数 0
1回答
当我试图使用sklearn的GridSearchCV或RandomisedSearchCV类来调优参数时，我的代码需要非常长的时间才能执行。作为一个实验，我使用带有默认参数的KNeighborsClassifier()创建了一个KNN模型，并将这些相同的参数传递给GridSearchCV。Afaik，这应该意味着GridSearchCV<
浏览 11提问于2022-08-01得票数 2
回答已采纳
2回答
我正在尝试在XGBoost上使用scikit learn的GridSearchCV进行超参数搜索。在网格搜索期间，我希望它提前停止，因为它大大减少了搜索时间，并且(期望)在我的预测/回归任务中有更好的结果。我正在通过Scikit-Learn API使用XGBoost。,trainY)
我试图使用fit_params给出提前停止参数，但是它抛出了这个错误，
浏览 1提问于2017-03-24得票数 32
回答已采纳
1回答
假设我正在处理一个多类分类问题(具有N类)，并且我想使用支持向量机作为分类方法。OVOfrom sklearn.model_selection import)OVA
from sklearn
浏览 19提问于2021-01-05得票数 2
GridSearchCVparameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}sc = SparkContext()clf.fit(iris.data, iris.target)
它抛出一个TypeError，完整的回溯：
浏览 7提问于2017-09-13得票数 1
有没有办法对参数值运行网格搜索，这些参数值针对选定类的分数(例如'f1')进行了优化，而不是所有类的默认分数？这样的方法似乎很有用，例如对于高度不平衡的数据集，当试图构建一个在具有少量实例的类上做合理工作的分类器时。使用默认评分方法的GridSearchCV</em
浏览 0提问于2015-07-30得票数 9
我尝试在DecisionTreeClassifier上使用GridSearchCV，但得到以下错误: TypeError:未绑定的方法get_params()必须使用DecisionTreeClassifier实例作为第一个参数来调用(实际上什么也没有得到)from sklearn.tree import DecisionTreeClassifier, export_graphv
浏览 6提问于2016-08-02得票数 12
我正在尝试使用，并将eval_metric优化为auc(如所述)。将.fit参数传递给sklearn管道的正确方法是什么？示例：from sklearn.preprocessing import StandardScaler
from sklearn.datasetsimpo
浏览 0提问于2017-03-15得票数 9
1回答
我试图通过使用一个管道来寻找k-均值聚类的“最佳”值，其中我使用标准标量器，然后是自定义k-均值，最后是一个决策树分类器。然后，我尝试使用这个管道进行网格搜索，以获得k的最佳值。目前正在使用Python3.7和sklearn。GridSearchCV on training data-当我使用'grid_kmt.fit</e
浏览 0提问于2020-04-15得票数 2
回答已采纳
我想使用gridsearchCV来调优用户定义的评估器对熊猫数据执行的超参数。例如，计算中值，选择包含传递或不传递一列给估计量等等。下面，我用一个列选择器举例说明，但其思想是能够以更复杂的方式调整参数。我一直收到一些我还无法破译的神秘信息。例如，'list' object has no attribute 'flags'
from sklearn.datasets import californ
浏览 0提问于2018-04-06得票数 0
回答已采纳
我将我的数据集划分为训练数据、验证数据和测试数据，然后对训练数据执行gridsearch-crossvalidation。这作为交叉验证方法足够了吗，或者我需要在GridSearchCV之后实现k-折交叉验证吗？我有点困惑，因为我认为网格搜索只能帮助我找到最优的超参数。
浏览 16提问于2019-05-11得票数 0
我正在尝试将GridSearchCV与来自xgboost的xgbranker估计器一起使用。我尝试使用GroupKFold并将qid (group_ids)参数传递给网格fit方法，但这并不简单。在尝试了一些已经在网络上提出的解决方案之后，我终于转向了一种方法。我仍然得到一个错误，似乎是在得分方法通过。有什么帮助或工作的例子会很
浏览 12提问于2022-06-02得票数 0
2回答
我正在尝试建立一个scikit-learn管道来简化我的工作。我面临的问题是，我不知道哪种算法(随机森林、朴素贝叶斯、决策树等)。最适合的，所以我需要尝试每一个，并比较结果。Pipeline([('tfidf', TfidfTransformer()),如果我想比较不同的算法我能做这样的事情吗？, TfidfTransformer
浏览 0提问于2018-08-05得票数 6
我解决了Stepik的问题：
一棵树是好的，但是保证它是最好的，或者至少接近它的保证在哪里呢？找到一个或多或少最优的树参数集的方法之一是对一组具有不同参数的树进行迭代，并选择合适的参数集。为此，有一个GridSearchCV类，它迭代为模型指定的参数之间的每个组合，对数据进行
浏览 1提问于2022-01-11得票数 0
回答已采纳
我一直在研究这个分类问题，使用sklearn的管道将预处理步骤(scaling)和交叉验证步骤(GridSearchCV)结合使用Logistic回归。在尝试了所有这些之后，选择产生最佳度量(即准确性)的缩放方法。但是，我不知道如何使用GridSearchCV：
#
浏览 1提问于2020-09-02得票数 1
是否有可能执行一个GridSearchCV (以获得最佳支持向量机的C)，但却指定sample_weight与科学工具包-学习？下面是我的代码和我面临的错误： svm.SVC(C=1), 'kernel': ['linear'], 'probability': [Tr
浏览 6提问于2012-10-24得票数 16
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
