0

我不断收到此错误：

invalid value encountered in double_scalars: mcc = cov_ytyp / np.sqrt(cov_ytyt * cov_ypyp)

我在自定义计分器中实现它的方式有问题吗？

parameters_XG = {'n_estimators': np.arange(50, 500, 50),
                 'learning_rate':np.arange(0.1, 1.05, .05),
                 'colsample_bytree': np.arange(0.1, 1.05, .05),
                 'sub_sample': np.arange(0.5, 1.05, .05),
                 'min_child_weight': np.arange(1, 10),
                 'gamma': np.arange(0.1, 5, 0.2),
                 'max_depth': np.arange(1, 15), 
                 'scale_pos_weight': np.arange(0.1, 1.0, .05)}


XG_model = XGBClassifier(booster = 'gbtree', random_state=2504, n_jobs = -1)


multi_score = {'neg_log_loss': 'neg_log_loss',
               'precision': 'precision',
               'recall': 'recall',
               'F1_weighted': 'f1_weighted',
               'ROC_AUC': 'roc_auc',
               'Brier_score': 'brier_score_loss',
               'MCC': make_scorer(matthews_corrcoef)}
    


search_XG = RandomizedSearchCV(XG_model, parameters_XG, scoring = multi_score, 
                                n_jobs = -1, cv = cv_RSKFCV, n_iter = 200, refit = 'neg_log_loss',
                                random_state = 2504).fit(X_train, y_train)

编辑： 我理解它为什么会抛出警告/错误，但是我不明白为什么现在它根本不适合？我希望只有很多值是 inf/nan 但目前它会回溯到 random_state = 2504).fit(X_train, y_train)如何解决这个问题？

4

1 回答 1

0

在计算 Matthews 相关性时，您将两个值相除。你得到的问题是你除以0（很难处理）。

这可能是因为模型总是预测一个类（例如，TP 和 FP 为 0，分母也为 0）。为了解决这个问题，您可以调整您正在使用的参数，以避免这些仅预测一个类别的“愚蠢”模型。

您还可以在进行 RandomizedSearchCV 时避免 Matthews 相关性，并且只为最终模型绘制它。但是，当然，模型的每次迭代都会错过这个分数。

于 2021-02-01T10:26:28.743 回答