标签：grid-search python python-3-x scikit-learn

使用python和scikit-learn,我想进行网格搜索.但是我的一些模特最终都是空的.如何使网格搜索功能忽略这些模型？

我想我可以有一个评分函数,如果模型为空,则返回0,但我不知道如何.

predictor = sklearn.svm.LinearSVC(penalty='l1', dual=False, class_weight='auto')
param_dist = {'C': pow(2.0, np.arange(-10, 11))}
learner = sklearn.grid_search.GridSearchCV(estimator=predictor,
                                           param_grid=param_dist,
                                           n_jobs=self.n_jobs, cv=5,
                                           verbose=0)
learner.fit(X, y)

我的数据以这种学习者对象将选择对应于空模型的C的方式.知道我怎么能确保模型不空？

编辑：通过“空模型”我的意思是一个选择0功能使用的模型.特别是使用l1正则化模型,这很容易发生.因此,在这种情况下,如果SVM中的C足够小,则优化问题将找到0向量作为系数的最优解.因此,predictor.coef_将是0的向量.

解决方法:

尝试实现自定义得分手,类似于：

import numpy as np

def scorer_(estimator, X, y):
    # Your criterion here
    if np.allclose(estimator.coef_, np.zeros_like(estimator.coef_)):
        return 0
    else:
        return estimator.score(X, y)

learner = sklearn.grid_search.GridSearchCV(...
                                           scoring=scorer_)

标签：grid-search,python,python-3-x,scikit-learn
来源： https://codeday.me/bug/20190829/1763480.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。