0

我试图找到 x 值、它们各自的指数和 alpha 的最佳组合，这将使我能够找到最低的均方误差。

我使用了 SKlearn 的 Lasso 回归，但到目前为止，我只能确定最小 MSE，以及创建它的变量组合。我不确定如何提取允许它的 alpha，或者如何查看变量组合是否有任何与它们相关的指数。

我取得的成果：

最佳套索回归模型的结果：最小平均测试 MSE：9172.38 变量组合：['Date', 'Cargo_size', 'Parcel_size', 'Rest', 'Sub']

x_combos = []
for n in range(1,9):
    combos = combinations(['Date', 'Cargo_size', 'Parcel_size', 'Rest', 'Age',\
                                           'Sub', 'X_coord', 'Y_coord'], n)
    x_combos.extend(combos)

lasso_models = {}
alphas = 10**np.linspace(10,-2, 100)*.5    
   
for n in range(0, len(x_combos)):
        combo_list = list(x_combos[n])
        x = data[combo_list]
        poly = PolynomialFeatures(3)
        poly_x = poly.fit_transform(x)
        model = Lasso(max_iter=100000, normalize=(True))
        for a in alphas:
            model.set_params(alpha = a)
            model.fit(poly_x,y) #
        lasso_cv_scores = cross_validate(model, poly_x, y, cv=10, scoring=('neg_mean_squared_error', 'r2'), return_train_score=(True), return_estimator=(True))
        lasso_models[str(combo_list)] = np.mean(lasso_cv_scores['test_neg_mean_squared_error'])
    
    
    
    
    print("outcomes from the Best Lasso Regression Model:")
    min_mse = abs(max(lasso_models.values()))
    print("minimum Avg Test MSE:", min_mse.round(2))
    for possibles, i in lasso_models.items():
        if i == -min_mse:
            print("The Combination of Variables:", possibles)
4

1 回答 1

0

您可以执行此操作，GridSearchCV它是一个对估计器的指定参数值执行详尽搜索的对象。

如下：

from sklearn.model_selection import GridSearchCV
param_grid = { 'alpha' : alphas}
cv = GridSearchCV(model,
                  n_jobs=-1,
                  param_grid=param_grid,
                  cv=5,return_train_score=(True)
                 ).fit(poly_x, y_train)
cv.best_params_

此代码段将对 alpha 进行超参数搜索并返回最佳参数集。此外，您可以使用返回最佳拟合模型cv.best_estimator_。

于 2021-10-25T05:37:26.357 回答