machine-learning - 您将如何使用 Sklearn 的 VotingClassifier 进行 RandomizedSearchCV？

Question

我正在尝试调整我的投票分类器。我想在 Sklearn 中使用随机搜索。但是，由于我目前使用两种算法（不同的树算法），您如何为我的投票分类器设置参数列表？我是否必须单独运行随机搜索并稍后在投票分类器中将它们组合在一起？

有人可以帮忙吗？代码示例将不胜感激:)

谢谢！

Answer 1

你可以完美地结合两者，VotingClassifierwith RandomizedSearchCV。无需单独运行它们。请参阅文档：http ://scikit-learn.org/stable/modules/ensemble.html#using-the-votingclassifier-with-gridsearch

诀窍是在您的params列表前面加上您的估算器名称。例如，如果您创建了一个RandomForest估算器，并且您创建了它，('rf',clf2)那么您可以在表单中设置它的参数<name__param>。具体示例：rf__n_estimators: [20,200]，因此您引用特定估计器并设置值以测试特定参数。

准备测试可执行代码示例；）

import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import VotingClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.grid_search import RandomizedSearchCV

X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
y = np.array([1, 1, 1, 2, 2, 2])

clf1 = DecisionTreeClassifier()
clf2 = RandomForestClassifier(random_state=1)

params = {'dt__max_depth': [5, 10], 'rf__n_estimators': [20, 200],}


eclf = VotingClassifier(estimators=[('dt', clf1), ('rf', clf2)], voting='hard')

random_search = RandomizedSearchCV(eclf, param_distributions=params,n_iter=4)
random_search.fit(X, y)
print(random_search.grid_scores_)