无法通过SKlearn的检查估计器
是指无法通过Scikit-learn库中的检查估计器函数（check_estimator）来验证一个自定义的估计器（estimator）是否符合Scikit-learn的接口规范。
Scikit-learn是一个流行的机器学习库，提供了丰富的机器学习算法和工具。为了保证估计器的质量和兼容性，Scikit-learn定义了一套接口规范，包括必须实现的方法和属性。通过使用check_estimator函数，可以快速检查一个估计器是否符合这些规范。
如果一个估计器无法通过SKlearn的检查估计器，可能有以下几个原因：
- 接口不完整：估计器没有实现必要的方法或属性。在这种情况下，需要根据Scikit-learn的接口规范来完善估计器的实现。
- 参数错误：估计器的参数设置不正确。在这种情况下，需要检查估计器的参数设置，并确保其与Scikit-learn的接口规范一致。
- 依赖问题：估计器依赖的其他库或模块缺失或版本不兼容。在这种情况下，需要检查估计器的依赖，并确保其与Scikit-learn的要求一致。
对于无法通过SKlearn的检查估计器的情况，可以尝试以下解决方法：
- 仔细阅读Scikit-learn的接口规范文档，确保估计器的实现符合规范要求。
- 检查估计器的参数设置，确保其与Scikit-learn的接口规范一致。
- 检查估计器的依赖，并确保其与Scikit-learn的要求一致。
- 参考Scikit-learn官方文档和社区讨论，寻找类似问题的解决方案。
腾讯云提供了一系列与云计算相关的产品和服务，包括云服务器、云数据库、云存储等。具体推荐的产品和产品介绍链接地址可以根据具体的应用场景和需求来确定。
相关·内容
Sklearn有一个很好的、未知的可视化效果，可以通过sklearn.set_config(display='diagram')激活。我正在尝试自定义可视化的输出，但无法弄清楚html输出是如何生成的。我知道python的神奇方法__str__和__repr__，它们可以用来创建某个对象的文本表示。我原以为__repr__会被用来创建html输出。为了测试这个假设，我重写了输出字符串"repr“的方法。如下面的代码及其输出所示，调用了__repr__方法，但显然没有将其用作html生成的入口点，因为这将导致单个输出："repr“。
import sklearn
浏览 1提问于2021-02-01得票数 1
在我的问题中，我想使用一个简单的RandomizedSearchCV调谐器调优sklearn.ensemble.StackingRegressor。因为我们需要在实例化StackingRegressor()时定义估计器，所以我无法在我的param_distribution随机搜索中正确地定义估计器的参数空间。 我尝试了以下方法，但遇到了错误： from sklearn.datasets import load_diabetes
from sklearn.linear_model import RidgeCV
from sklearn.svm import LinearSVR
from skl
浏览 232提问于2021-09-21得票数 0
回答已采纳
sklearn.multioutput.MultiOutputRegressor上的文档声明它实现了一种扩展不支持多目标回归的回归器的策略。
我很想知道:哪些是本地支持多目标回归的？(和/或我如何才能知道？)
基于这篇文章，我假设：
ExtraTreesRegressor
KNeighborsRegressor
LinearRegression
RidgeCV
大家都支持这个吗？(除非我感到困惑，而且“多输出估计器”与“本机支持多目标回归的回归者”不是一回事；我对此并不熟悉！)
浏览 0提问于2017-12-20得票数 4
1回答
问题是关于Kaggle著名的泰坦尼克号数据集。让我们首先展示准备、运行算法和检查准确性的标准过程：
import pandas as pd
import numpy as np
# Doing a standard cleanup / preparation for the ML algorythms
df = pd.read_csv(r"C:\Users\train.csv")
df = df.drop(["Ticket", "Cabin", "PassengerId", "Name"], axis=1)
浏览 9提问于2022-07-12得票数 -2
我们已经提出了一个类似的问题，但答案并没有帮助我解决问题：
我试图使用多个管道对数据进行预处理，使用一个热编码器对分类和数值数据进行预处理(如中所建议的)。
这是我的代码，即使我的分类器产生78%的准确率，我也不知道为什么我不能绘制我正在训练的决策树，以及什么可以帮助我解决这个问题。下面是代码片段：
import pandas as pd
import sklearn.tree as tree
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import OneHotEncoder
浏览 0提问于2021-06-11得票数 1
回答已采纳
我想创建一个PMML管道，比如 PMMLPipeline([
("clt", ColumnTransformer([
("cl", Pipeline([
("std", StandardScaler()),
("pca", PCA(4) ),
("kmeans", KMeans(
浏览 10提问于2019-06-19得票数 0
1回答
在我的项目中，我使用GridSearchCV在sklearn中彻底搜索指定的参数值，以寻找模型的最佳参数值。我只是在RandomForestClassifier中测试了它，并帮助我找到了最好的max_depth和n_estimators。基于此，我有两个问题：
GridSearchCV是否使用了最大似然估计(MLE)的概念？
与对每个模型使用GridSearchCV不同，是否有一种技术可以用于为数据集选择最佳模型？我认为这是在模型选择的概念下，但我不知道如何通过sklearn使用它。
谢谢
浏览 5提问于2017-05-01得票数 1
我试图在scikit中使用递归特性消除(RFE)函数--学习，但始终得到错误的ValueError: coef_ is only available when using a linear kernel。我试图使用rbf核为支持向量分类器(SVC)执行特征选择。网站中的这个示例执行得很好：
print(__doc__)
from sklearn.svm import SVC
from sklearn.cross_validation import StratifiedKFold
from sklearn.feature_selection import RFECV
from sklearn.
浏览 7提问于2014-05-21得票数 5
回答已采纳
1回答
如何在网络应用中更新机器学习模型？
以SKLearn为例，在培训了一个巨大的模型(比如10 on的数据)之后，您如何根据当前的新数据更新模型呢？
想必你不会想要实时更新，也许每天都要更新一次--但我无法在SKLearn中找到这样的方法。你只需要每天在不断增长的数据集上重新训练整个事物吗？
浏览 0提问于2017-01-26得票数 2
回答已采纳
我需要使用Logistic回归分类器，我有数据集，每列2000的长度，这都是我的代码：
from statistics import mode
import pandas as pd
from sklearn.model_selection import KFold
from sklearn.metrics import plot_confusion_matrix
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import cross_val_predict
from sklea
浏览 25提问于2022-08-14得票数 1
回答已采纳
我正在使用Kaggle的客户流失建模数据集(https://www.kaggle.com/shrutimechlearn/churn-modelling)，试图预测将离开该服务的客户。 初始数据集如下所示： RowNumber CustomerId Surname CreditScore Geography Gender Age
0 1 15634602 Hargrave 619 France Female 42 处理完数据后，数据集如下所示： CreditScore Age Tenure Balance NumO
浏览 177提问于2021-01-24得票数 0
我一直无法找到任何教程、指南或示例代码来执行数据集拆分和平衡，以作为sklearn管道的一部分。这个是可能的吗？
我有这样的事情：
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
### can this be part of the pipeline?
浏览 1提问于2021-08-12得票数 0
回答已采纳
1回答
类似的问题：。这解决了优点/缺点，而这解决了背后的理由，无论是广义的，特别是滑雪。
我正在浏览sklearn文档，我注意到sklearn.model_selection.GridSearchCV属性都以下划线结尾。例如：
cv_results_
best_params_
best_score_
为什么会这样呢？下划线是做什么的？请在你的回答中尽可能宽泛(即不要仅仅引用sklearn的GridSearchCV。
我假设这不仅仅是一个滑雪的东西，我不知道合适的标签是什么，所以我给sklearn贴上标签。请更正标签(或我！)。
浏览 0提问于2018-03-06得票数 11
回答已采纳
2回答
我正在使用sklearns' pipeline函数、one hot encode和model。几乎和的帖子完全一样。
在使用Pipeline之后，我再也无法获得树的贡献了。获取此错误：
AttributeError：“管道”对象没有属性“n_outputs_”
我试着玩的参数，但我被卡住了。
因此，我的问题是:当我们使用sklearns Pipeline时，我们有没有办法从树中得到贡献？
编辑2-按Venkatachalam请求的真实数据：
# Data DF to train model
df = pd.DataFrame(
[['SGOHC', '
浏览 2提问于2020-11-27得票数 3
回答已采纳
1回答
我正在使用多标签问题解决方案，我开始使用sklearn，它提供了非常好的开箱即用的方法来处理多个标签。我使用MultiOutputClassifier和RandomForestClassifier作为估计量。有4个类的示例：
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.multioutput import MultiOutputClassifier
# The data from your screenshot
# A B C D E F
浏览 2提问于2020-06-30得票数 0
回答已采纳
为什么sklearn的RidgeCV没有n_jobs作为一个论点？LassoCV和LogisticRegressionCV都把它作为一个论点。
浏览 4提问于2021-01-25得票数 2
回答已采纳
1回答
我需要对我的模型做投票分类器。显然，我不能这样做，因为我的模型不是scikit学习的一部分，所以我不能做投票分类器。所以我决定我必须先拟合我的模型，然后再做投票分类器，但不幸的是投票分类器不支持预拟合模型。如何更改估计器，使投票分类器在预拟合模型上工作？我在python 2.7上工作
这是我的代码：
import numpy as np
import os
from decimal import *
import sys
sys.path.append('/home/nida/pylibol/python')
import classifiers
from classifier
浏览 0提问于2021-02-25得票数 0
2回答
我正在研究一个最难理解的邻居问题集。我不明白他们为什么要在测试集上执行K fold cross validation？我们不能直接测试我们的最佳参数K在整个测试数据上的性能吗？而不是做交叉验证？
iris = sklearn.datasets.load_iris()
X = iris.data
Y = iris.target
X_train, X_test, Y_train, Y_test = sklearn.cross_validation.train_test_split(
X, Y, test_size=0.33, random_state=42)
k = np.ara
浏览 2提问于2015-01-22得票数 1
回答已采纳
当我使用管道对象时，
当我使用.fit()方法时，管道对象是否适合并转换的火车数据？或者我应该使用.fit_transform()方法？这两者有什么区别？
当我对测试数据使用.predict()方法时，管道对象是否对测试数据进行转换，然后再进行预测？，也就是说，在使用.predict()方法之前，是否应该使用.transform()方法对测试数据进行转换？
这是我的代码：
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.feature
浏览 2提问于2021-07-07得票数 7
回答已采纳
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import GridSearchCV
#giving params for a linear , rbf , poly and sigmoid
params_grid = [ { 'kernel':['linead'] , 'C':[1,10,100,1000] } ,
{ 'kernel':['rbf'] , 'gamma&
浏览 39提问于2020-10-31得票数 0
2回答
我很难在GridSearchCV中计算出参数GridSearchCV。来自
return_train_score：布尔值，可选
如果False的话，cv_results_属性将不包括训练分数。
我的问题是：的训练分数是多少？
在下面的代码中，我将数据分割成10个分层的褶皱。因此，grid.cv_results_包含10个测试分数，即'split0_test_score'、'split1_test_score'、.、'split9_test_score'。我知道其中的每一个都是由一个5近邻分类器获得的成功率，该分类器使用对应的折叠进行测试，
浏览 2提问于2018-04-18得票数 5
回答已采纳
我正在使用scikit创建一个决策树模型--学习，在使用进行缩放之前，我需要对数据进行拆分。但是，我也想使用cross_val_score()方法。
我首先使用OneHotEncoding()在make_column_transformer()中编码了一些分类数据，如下所示：
transformer = sklearn.compose.make_column_transformer(
(sklearn.preprocessing.OneHotEncoder(handle_unknown='ignore'), ['SoilDrainage'
浏览 7提问于2022-07-25得票数 3
回答已采纳
1回答
这是可行的(主要来自sklearn的演示示例)：
print(__doc__)
# Code source: Gaël Varoquaux
# Modified for documentation by Jaques Grobler
# License: BSD 3 clause
import numpy as np
import matplotlib.pyplot as plt
from sklearn import linear_model, decomposition, datasets
from sklearn.pipeline import Pipeline
from sk
浏览 0提问于2018-07-19得票数 1
回答已采纳
我有一个经过训练的朴素贝叶斯模型及其参数，但我需要将其部署在SKLearn上。有没有办法在SKLearn上手动设置我的模型的参数。又名，我如何将外部模型导入到SKLearn中进行预测？
谢谢!
浏览 0提问于2014-06-10得票数 0
我试图使用软投票的校准分类器上的学习。由于软投票到目前为止还没有prefit选项，所以我尝试让VotingClassifier.fit()调用CalibratedClassifierCV.fit()。以下是我的代码：
data = load_breast_cancer()
# Data spliting.
X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.2)
X_train, X_val, y_train, y_val = train_test_split(X_tr
浏览 1提问于2018-10-05得票数 1
回答已采纳
一旦一个科学学习分类器被训练：
import sklearn.cluster
clf = sklearn.cluster.KMeans()
clf.fit(X)
有两个选项(至少)可以获得其参数的值。具体来说，
通过引用带有渐变下划线的参数名称：
clf.n_clusters_
从用get_params()获得的字典中
ps = clf.get_params()
ps['n_clusters']
这些方法中哪一种是首选的？
浏览 0提问于2019-01-28得票数 0
2回答
除非我在SVC上做了一个匹配，否则在下面的代码中会出现一个错误：
此SVC实例尚未安装。在使用此方法之前，使用适当的参数调用“fit”。
除非我这么做：
clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train)
为什么我需要在做交叉验证之前先做一次调整？
import numpy as np
from sklearn import cross_validation
from sklearn import datasets
from sklearn import svm
iris = datasets.load
浏览 7提问于2017-01-18得票数 1
我正在尝试将管道对象保存为PMML，而Python抛出了一个RuntimeError。 我的Python版本是3.6，sklearn2pmml版本是0.44.0，JDK版本是1.8.0_201。 所有这些都符合软件包的前提条件。 以下是我到目前为止所做的工作。(我不包括数据加载和清理部分) from sklearn2pmml.pipeline import PMMLPipeline
from sklearn2pmml import make_pmml_pipeline, sklearn2pmml
logit_pipline = Pipeline([('vect', Coun
浏览 472提问于2019-04-30得票数 3
当我在md熵包中做一个关于交互信息的教程时，我得到了以下错误：
File "/home/midhun/scikit-learn/sklearn/cluster/k_means_.py", line 994, in fit_predict
return self.fit(X, sample_weight=sample_weight).labels_
TypeError: fit() got an unexpected keyword argument 'sample_weight'
我使用的是Python 3.6。
浏览 7提问于2018-10-16得票数 0
假设我想使用sklearn管道应用几种特征选择方法。以下是一个例子：
from sklearn.datasets import load_breast_cancer
from sklearn.feature_selection import SelectKBest, chi2
from sklearn.feature_selection import VarianceThreshold
from sklearn.pipeline import Pipeline
from sklearn.model_selection import train_test_split
X, y = load_
浏览 6提问于2022-07-25得票数 1
回答已采纳
我正在使用自己的预测器，并希望像使用任何scikit例程一样使用它(例如RandomForestRegressor)。我有一个包含fit和predict方法的类，它们似乎工作得很好。但是，当我尝试使用一些scikit方法时，例如交叉验证，我得到如下错误：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "C:\Python27\lib\site-packages\sklearn\cross_validation.py", lin
浏览 0提问于2014-05-26得票数 17
回答已采纳
我的ML项目是关于“贷款资格预测”的，我使用了以下数据：，我的代码如下所示：
import random
import pandas as pd
import numpy as np
from sklearn.compose import make_column_transformer
from sklearn.experimental import enable_iterative_imputer
from sklearn.impute import \
SimpleImputer, KNNImputer, IterativeImputer
from sklearn.preproc
浏览 6提问于2022-04-13得票数 -1
我想用StackingClassifier & VotingClassifier和StratifiedKFold & cross_val_score。如果我使用cross_val_score或VotingClassifier，我将在VotingClassifier中获得nan值。如果我使用任何其他算法而不是StackingClassifier或VotingClassifier，cross_val_score可以正常工作。我使用python3.8.5& sklearn 0.23.2。
将代码更新为工作示例。请使用kaggle 的Parkinons数据集，这是我一直在处理的
浏览 3提问于2020-11-26得票数 1
回答已采纳
是否有方法使用sklearn.ensemble.BaggingRegressor返回标准差？
因为通过看几个例子，我发现的都是平均预测。
浏览 23提问于2022-02-22得票数 0
回答已采纳
1回答
在Python中使用切片
、、、、
我使用来自UCI repo：的数据集，然后执行下一步：
from pandas import *
from sklearn.neighbors import KNeighborsRegressor
from sklearn.linear_model import LinearRegression, LogisticRegression
from sklearn.svm import SVR
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import r2_score
from sklearn.cr
浏览 4提问于2016-08-30得票数 0
回答已采纳
1回答
提取特征重要性系数/分数
、、、、
有没有办法从下面的代码片段中提取实际的特征重要性系数/分数(与顶级num_feats特征相反)？ from sklearn.feature_selection import RFE
from sklearn.linear_model import LogisticRegression
rfe_selector = RFE(estimator=LogisticRegression(), n_features_to_select=num_feats, step=10, verbose=5)
rfe_selector.fit(X_norm, y)
浏览 8提问于2020-06-25得票数 0
回答已采纳
1回答
我想使用sklearn库在我的训练数据上运行线性回归和K折交叉验证，以获得最佳回归模型。然后，我计划使用在我的测试集上返回的平均误差最低的预测值。 例如，下面这段代码给了我一个由20个结果组成的数组，这些结果具有不同的负均值绝对误差，我感兴趣的是找到给我这个(最小)误差的预测器，然后在我的测试集上使用那个预测器。 sklearn.model_selection.cross_val_score(LinearRegression(), trainx, trainy, scoring='neg_mean_absolute_error', cv=20)
浏览 15提问于2020-10-10得票数 0
回答已采纳
我的scikit学习管道是线性回归的，但是我的问题域不应该允许输出高于某个值，所以我想限制输出。我知道我可以先运行我的模型，然后做一个y = np.where(y > MAX_VALUE, MAX_VALUE, y)，但我可能还有几个这样的自定义逻辑步骤，所以我想把它封装到管道中。sklearn能做到这一点吗？
我尝试编写自己的自定义估计器，如下所示，它给出了错误All intermediate steps should be transformers and implement fit and transform or be the string 'passthrough
浏览 2提问于2019-11-11得票数 1
我正在实现简单的Scikit-Learn Pipeline来在Google Cloud ML引擎中执行LatentDirichletAllocation。目标是从新数据中预测主题。下面是生成管道的代码：
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.decomposition import LatentDirichletAllocation
from sklearn.model_selection import train_test_split
from sklearn.pipeline imp
浏览 28提问于2018-07-23得票数 3
我有一些使用创建的分类器，还有一些直接作为创建的分类器。
随机林返回类型sklearn.ensemble.forest.RandomForestClassifier，以及使用gridSearch返回类型sklearn.grid_search.RandomizedSearchCV创建的随机林。
我正在尝试以编程方式检查估计器的类型(以确定是否需要在上使用)，但似乎找不到一个很好的方法。
if type(estimator) == 'sklearn.grid_search.RandomizedSearchCV'是我最初的猜测，但显然是错的。
浏览 0提问于2015-09-14得票数 0
回答已采纳
我不知道它为什么不叫乐团。也许是一些参数混乱？
森林覆盖类型数据：
X=形状(581012，54)
Y=形状(581012，)
from sklearn.ensemble import VotingClassifier
from sklearn.ensemble import BaggingClassifier
from sklearn.ensemble import AdaBoostClassifier
from sklearn import model_selection
classifier_names = ["logistic regression", "li
浏览 0提问于2019-01-05得票数 1
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，对数据进行训练并执行交叉验证。然后，将具有最佳参数的模型存储在.best_estimator_属性中。现在的任务是根据以下参数对虹膜数据上的所有树进行迭代:最大深度--从1级到10级，用于分离的最小样本数从1到10张最小样本数--从1到10，并将最佳树存储在变量best_tree中。用GridSearchCV搜索命名变量。这是我的解
浏览 1提问于2022-01-11得票数 0
回答已采纳
我试图从BaseEstimator和MetaEstimatorMixin继承来为base_estimator创建一个包装，但我面临着问题。我试图遵循存储库中的base_ensemble代码，但这并没有帮助。在运行下面调用check_estimator(Wrapper)的测试时，我得到了check_estimator(Wrapper)。根据文档，如果我继承了get_params，就不必实现BaseEstimator。它似乎是一个类，而不是一个实例，但我无法确定它。
from sklearn.base import BaseEstimator, ClassifierMixin, Regressor
浏览 1提问于2015-12-23得票数 2
我有一个分类任务，希望使用重复嵌套的交叉验证来同时执行超参数调整和特征选择。为此，我使用Python的sklearn库在RFECV上运行RandomizedSearchCV，正如this SO answer中所建议的那样。 但是，我还需要缩放我的功能，并首先计算一些缺失的值。这两个步骤也应该包括在CV框架中，以避免训练和测试文件夹之间的信息泄漏。我试图创建一个Pipeline来到达那里，但我认为它“破坏”了我的简历嵌套(即，彼此分开执行RFECV和随机搜索)： import numpy as np
from sklearn.datasets import make_classific
浏览 24提问于2021-11-08得票数 3
1回答
使用动态权重集成
、、、、
我想知道是否可以在sklearn的VotingClassifier中使用动态权重。总的来说，我有3个标签0=其他，1=垃圾邮件，2=情绪。关于动态权重，我指的是：
我有两个分类器。第一个是随机森林，它在垃圾邮件检测上表现最好。另一种是CNN，它在话题检测(区分他人和情感)方面更有优势。我想要的是一个VotingClassifier，当它分配标签“垃圾邮件/1”时，它给RF一个更高的权重。
VotingClassifier是正确的选择吗？
诚挚的问候,
斯特凡
浏览 0提问于2016-07-11得票数 1
我正在从事一个项目，有用户评论的产品。我正在使用TfidfVectorizer从我的数据集中提取特征，而不是我手动提取的一些其他特征。
df = pd.read_csv('reviews.csv', header=0)
FEATURES = ['feature1', 'feature2']
reviews = df['review']
reviews = reviews.values.flatten()
vectorizer = TfidfVectorizer(min_df=1, decode_error='ignor
浏览 0提问于2016-09-28得票数 7
我将CalibratedClassifierCV与RandomForest结合使用，并使用GridSearch确定最佳参数。然而，当我使用GridSearchCV读取最好的参数时，它说GridSearchCV对象没有属性'best_params_‘
from sklearn.calibration import CalibratedClassifierCV
from classifiers import SVMClassification
from sklearn.model_selection import GridSearchCV
from imblearn.pipeline
浏览 0提问于2018-10-25得票数 1
回答已采纳
我想预测一下我的随机森林中的一棵树。但是，如果我把管道绕在TransformedTargetRegressor上，那么.set_params似乎就不能工作了。
下面是一个例子：
from sklearn.datasets import load_boston
from sklearn.compose import TransformedTargetRegressor
from sklearn.pipeline import Pipeline
from sklearn.ensemble import RandomForestRegressor
from sklearn.preprocessing
浏览 0提问于2021-10-01得票数 2
回答已采纳
1回答
尝试对多输出进行SVR
、、、
因为SVR只支持一个输出，所以我尝试在我的模型上使用SVR，它有6个输入和19个输出，使用MultiOutputRegressor。
我从超参数调优开始。然而，我得到了下面的错误。如何修改代码以支持MultiOutputRegressor
from sklearn.svm import SVR
from sklearn.model_selection import RandomizedSearchCV
svr = SVR()
svr_regr = MultiOutputRegressor(svr)
from sklearn.model_selection import KFold
kfol
浏览 5提问于2022-08-18得票数 0
我最近使用sklearn.model_selection.GridSearchCV测试了许多超参数组合。我想知道是否有一种方法可以调用在该过程中训练过的所有以前的估计器。 search = GridSearchCV(estimator=my_estimator, param_grid=parameters)
# `my_estimator` is a gradient boosting classifier object
# `parameters` is a dictionary containing all the hyperparameters I want to try 我知道我可以
浏览 20提问于2020-12-18得票数 0
回答已采纳
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
实时音视频活动推荐
腾讯云开发者
