我想通过对不平衡数据集使用网格搜索来优化 SVC 的超参数 C 和 Gamma。有没有人有提示如何在这种情况下优化超参数?
您可以使用 GridSearchCV() 函数执行以下操作:
from sklearn.model_selection import GridSearchCV
param_grid = {'C': [0.1, 5, 50, 100],
'gamma': [1, 0.5, 0.1, 0.01]}
model = GridSearchCV(SVC(), param_grid, refit = True)
model.fit(X_train, y_train)
您可以使用RandomizedSearchCV来探索更多选项。
我正在考虑使用 SMOTE,但我在这里看到了我必须设置 k_neighbors=1 的问题
你试过ADASYN吗?
有没有其他选择?
当我真的迷路时,我会尝试“最后的资源”。它是一个名为tpot的工具。
只是做一个这样的例子:
tpot = TPOTClassifier(generations=5, population_size=50, scoring='roc_auc', verbosity=2, random_state=42)
tpot.fit(X_train, y_train)
print(tpot.score(X_test, y_test))
tpot.export('tpot_results.py')
它将输出带有算法和管道的 sklearn 代码,在这种情况下,tpot_results.py 将是:
tpot_data = pd.read_csv('PATH/TO/DATA/FILE', sep='COLUMN_SEPARATOR', dtype=np.float64)
features = tpot_data.drop('target', axis=1)
training_features, testing_features, training_target, testing_target = \
train_test_split(features, tpot_data['target'], random_state=42)
# Average CV score on the training set was: 0.9826086956521738
exported_pipeline = make_pipeline(
Normalizer(norm="l2"),
KNeighborsClassifier(n_neighbors=5, p=2, weights="distance")
)
# Fix random state for all the steps in exported pipeline
set_param_recursive(exported_pipeline.steps, 'random_state', 42)
exported_pipeline.fit(training_features, training_target)
results = exported_pipeline.predict(testing_features)
使用此工具时要小心过度拟合问题,但这是我可以向您推荐的一种替代方法。