0

我想使用tpot。我拥有的数据仅包括多输出连续变量（即输出形状为：（n_samples，n_output_variables），其中所有项目都是浮点数）。

这可以使用 sklearn 的MultiOutputRegressor类来实现。但是因为我有超过 100 个不同的输出变量，所以我想避免为每个单独的输出应用 tpot。

现在，如何使用 tpot 只搜索多输出模型？有没有办法告诉 tpot 只应该使用多输出模型（例如决策树）？

4

1 回答 1

2

关于具有多个输出的回归器：

你有一个多输出回归问题。我建议你检查这个答案：多输出回归。

有一些回归器本身支持目标上的多个输出，例如 KNeighborsRegressor、DecisionTreeRegressor、GradientBoostingRegressor、ExtraTreesRegressor 和 RandomForestRegressor。如果您使用前面提到的 MultiOutputRegressor，则其他（如 SGDRegressor、ElasticNetCV 等）可以与多个输出一起使用。

关于 TPOT 和多输出回归：

目前 TPOT 可以与所有原生支持多输出的回归器一起使用，但您必须为此调整文件，因为它尚未实现，请查看https://github.com/EpistasisLab/tpot/issues/971。如果您想将其他回归量（单输出）与 MultiOutputRegressor 进行比较，TPOT 目前只允许您一次选择一个。也就是说，您可以仅指定几种算法中的一种，然后搜索最佳管道。然后你可以用另一种算法重新运行。

关于您关于指定要搜索哪种算法的问题：首先查看官方文档并阅读自定义 TPOT 的操作符和参数部分。如果您只想使用一些特定的算法，实现此目的的一种方法是复制标准 TPOT 配置以进行回归（https://github.com/EpistasisLab/tpot/blob/master/tpot/config/regressor.py），将其包含在您的代码中并取消注释（或添加）您不想（或不想）包含在搜索中的所有算法。

于 2019-12-04T10:52:19.880 回答