Gridsearchcv を使用して SVM を調整しようとしましたが、エラーがスローされます。

私のコードは：

エラーをスローします：「配列のインデックスが多すぎます」

しかし、私は単にこれを行うと:

コードは正常に動作します

ロジスティック回帰のグリッドサーチを実行しようとしていますが、この非常に奇妙なエラーが発生しています。自分のマシンで同じことを実行すると問題なく動作しますが、リモート マシンで実行しようとすると失敗します。

目に見える唯一の違いは、python のバージョンです。私のローカル マシンでは 2.7.10 で、動作しないリモート マシンでは 2.7.6 です。

以下は、明らかにエラーが発生しているコードスニペットです。

回帰を実行しようとしている2つの密/疎なnumpy配列があります。

以下は私が得ているトレースバックです：

このエラーが発生する理由がわかりません。Googleでも検索しましたが、無効なパラメーターソルバーに関する質問は見当たりません。どんな助けでも本当に感謝しています。

編集：（私がリストしたエラーメッセージを追加しませんでした）

そして、これは私がトレースバック後に得るものです:

http://scikit-learn.org/stable/modules/generated/sklearn.grid_search.GridSearchCV.html (参照用)

のようなスコアリング関数を指定せずに GridSearchCV を使用すると、 grid.scorer_ の値は になります。_passthrough_scorer とはどのような機能か説明していただけますか?

これに加えて、スコア関数を mean_squared_error などに変更したいと考えています。

しかし、行 grid.fit(x) には、常に次のエラー メッセージが表示されます。

真の分布がわからないため、関数に y_true を与える方法がわかりません。スコア関数の変更方法を教えてください。私はあなたの助けに感謝します。

tflearn モデルのハイパーパラメータに対してグリッド検索を実行するつもりです。によって生成されたモデルtflearn.DNNは、sklearn の GridSearchCV の期待と互換性がないようです:

エラーが発生します：

GridSearchCV に適したオブジェクトを取得する方法を教えてください。

MLlib を使用してグリッド検索の単純な実装を実行したいのですが、パラメーターの「最適な」範囲の選択について少し混乱しています。どうやら、おそらく改善されたモデルを提供しないパラメーターの組み合わせのために、あまり多くのリソースを浪費したくありません。あなたの経験から何か提案はありますか？

設定パラメータ範囲:

グリッド検索を実行します。

完了前に grid_search.fit() を中断すると、これまでに行ったすべてが失われますか? グリッド検索に少し夢中になり、わいせつなほど大きな検索スペースを提供しました。私はすでに満足しているスコアを見ることができますが、私の stdout はそれらのスコアにつながったパラメータを表示しません..

ドキュメントを検索しました: http://scikit-learn.org/stable/modules/generated/sklearn.grid_search.GridSearchCV.html

そして、ここに並列検索の機能を追加することについて、数年前からの議論があります: https://sourceforge.net/p/scikit-learn/mailman/message/31036457/

しかし、決定的なものはありません。私の検索は最大 48 時間機能しているので、発見されたものを失いたくないのですが、続行したくありません。

ありがとう！

TLDR:列またはその値を明示的に指定せずに、パンダデータフレーム内の複数の列のすべてのオプションを反復する方法は?

長いバージョン:私はこのような pandas データフレームを持っていますが、ここにリストされているよりも多くの機能または薬物投与量の組み合わせしかありません。3 種類の機能だけでなく、70 のようなものを使用することもできます...:

データ フレームに加えて、各機能に関連する範囲を含む Python 辞書もあります。キーは機能名であり、取り得るさまざまな値がキーです。

私の目的のために、特定の組み合わせ (A_dose = 1、B_dose = 90、および C_dose = 700 など) を生成する必要があり、これらの設定に基づいて、データフレームから関連するスライスを取り出し、その小さなサブセットから関連する計算を行います。結果をどこかに保存します。

すべての機能のすべての可能な組み合わせに対してこれを行う必要があります (ここにある 3 つよりもはるかに多く、将来的には可変になります)。

この場合、これを SkLearn のパラメーター グリッドに簡単にポップして、オプションを生成できます。

そして得る：

これは私が問題に遭遇する場所です：

問題 #1)を繰り返し処理できるall_optionsようになりましたが、各辞書オプションから SELECT を実行する方法がわかりませんdosage_df(つまり、{'A_dose': 1, 'B_dose': 40, 'C_dose': 130} ) 明示的に実行せずに。

以前は、次のようなことができました。

しかし、動的にスライスするために括弧内に何を入れればよいかわかりません...

問題 #2)実際に機能の完全な辞書にそれぞれの範囲を入力すると、オプションが多すぎると見なされるため、エラーが発生します...

二重whileループ、ツリー/再帰法 from here、別の再帰法 from hereを使用するなど、いくつかの代替アプローチを試しましたが、うまくいきませんでした....どんな助けも大歓迎です。

GridSearchCV を使用して、なげなわモデルに最適なアルファを見つけました。

最高のパラメーターは 0.0014873521072935117 で、負の r2 スコアは -0.0470788758558 でした。

次に、このアルファをモデルで直接試しました。次のコードをループで実行しました。

ランダムな状態を設定していないことに注意してください。したがって、クロス検証として機能するはずです。しかし、コードを何回実行しても、ここで得たスコアは約 0.11 (0.11-0.12) です。

質問

スコア -0.0470788758558 と 0.11 が 2 つのアプローチで大きく異なるのはなぜですか?

scikit-learn GridSearchCV best_score_はどのように計算されますか?で答えを見ることができます。このスコアが何を意味するかについて。

デシジョン ツリーの scikit Learn の例を使用し、スコアリング パラメータのさまざまな値を試しています。

best_score_から までの範囲の の差分値を取得するたび 0.92に0.96。

このスコアによって、最終的に使用する Scoring パラメータ値が決定されます。また、scikit Learn Web サイトでは、分類が不均衡な場合は精度値を使用しないでください。