问题标签 [grid-search]

使用自定义错误函数时，GridSearchCV的best_score_是什么意思？

我正在使用 Scikit GridSearchCV 进行一个简单的实验。

1）训练简单的支持向量机：

2) 打印结果：

所以这是主要的麻烦：为什么值不同？我猜 GridSearchCV 分数是 R^2 分数，我可以让 GridSearchCV 返回错误函数值而不是 R^2 吗？

我正在训练 MLP 并使用 sklearn 的 0.18dev 版本。我不知道我的代码有什么问题。你们能帮忙吗？

和错误信息

MLPClassifier 这就是我的输入的样子。

这就是我的输出的样子

我已经开始使用 scikit learn 进行文本提取。当我在管道中使用标准函数 CountVectorizer 和 TfidfTransformer 并且尝试与新功能（矩阵的串联）结合时，我遇到了行维度问题。

这是我的管道：

这是我的 AddNEd 类，它在每个文档（示例）上添加 30 个新闻功能。

我的主程序的第一部分

但我得到了这个结果：

当然还有 Indexerror 异常

当我在变换函数（AddNed 类）中有参数 X 时，为什么我没有 X 的 numpy 数组 (486, 3000) 形状。我只有 (323,) 形状。我不明白，因为如果我删除 Feature Union 和 AddNed() 管道，CountVectorizer 和 tf_idf 可以使用正确的功能和正确的形状正常工作。如果有人有想法？非常感谢。

我想通过评分标签“1”来使用 GridSearchCV 以获得最佳 f1 分数，但不知何故它针对另一个指标进行了优化，我不明白，这是我的代码；

输出，

第二次尝试，只是改变'random_sate'，

输出，

第三次尝试，

输出，

所以，起初，我认为它根据标签'0'进行优化，它没有。我不明白我做错了什么。虽然看起来还不错，但我知道在这个范围内至少有一个更好的分数。

我怎么知道错了，因为我可以手动找到更好的，

有没有一种方法可以在Sklearn或任何其他库中一次对多个估计器进行网格搜索。例如，我们可以在一次网格搜索中通过 SVM 和随机森林吗？

我正在尝试在 sklearn 的线性回归模型中完成网格搜索。我有以下代码：

错误

我是否忽略或错过了这里的任何重要步骤？谢谢！！

我尝试在 DecisionTreeClassifier 上使用 GridSearchCV，但出现以下错误：TypeError: unbound method get_params() must be called with DecisionTreeClassifier instance as first argument (什么都没有代替)

这是我的代码：

GridSearchCV 的文档指出我可以通过评分功能。

评分：字符串，可调用或无，默认=无

我想使用原生的accuracy_score作为评分函数。

所以这是我的尝试。进口和一些数据：

现在，当我只使用没有评分功能的 k 折交叉验证时，一切都按预期工作：

但是当我将线路更改为

我得到了错误：ValueError: Cannot have number of folds n_folds=10 greater than the number of samples: 6.我认为这并不代表真正的问题。

在我看来，问题在于accuracy_score不遵循scorer(estimator, X, y)文档中所写的签名

那么我该如何解决这个问题呢？

我想了解 Bagging 分类器的 max_samples 值如何影响用于每个基本估计器的样本数量。

这是 GridSearch 输出：

在这里，我找出最好的参数是什么：

现在我正在挑选最好的网格搜索估计器，并尝试查看特定 Bagging 分类器在其 100 个基本决策树估计器集中使用的样本数量。

现在，训练集的大小是 891。由于 CV 为 5，891 * 0.8 = 712.8 应该进入每个 Bagging 分类器评估，并且由于 max_samples 是 1.0，891 * 0.5 * 1.0 = 712.8 应该是每个基的样本数估算器，或接近它的东西？

那么，为什么数字在 564 +/- 10 范围内，最大值为 587，根据计算，它应该接近 712？谢谢。

很长一段时间以来，我一直在努力使用 Gridsearchcv。

在对我的火车数据进行矢量化后，我使用网格搜索来进行有效的参数设置，但我得到了连续的错误。

我的代码是这样的：

但是我已经定义了clf，在检查gridsearchcv 文档之后我也没有发现任何帮助。

请帮忙。