python – 在sklearn中创建网格搜索函数以忽略空模型

使用python和scikit-learn,我想进行网格搜索.但是我的一些模特最终都是空的.如何使网格搜索功能忽略这些模型？

我想我可以有一个评分函数,如果模型为空,则返回0,但我不知道如何.

predictor = sklearn.svm.LinearSVC(penalty='l1', dual=False, class_weight='auto')
param_dist = {'C': pow(2.0, np.arange(-10, 11))}
learner = sklearn.grid_search.GridSearchCV(estimator=predictor,
                                           param_grid=param_dist,
                                           n_jobs=self.n_jobs, cv=5,
                                           verbose=0)
learner.fit(X, y)

我的数据以这种学习者对象将选择对应于空模型的C的方式.知道我怎么能确保模型不空？

编辑：通过“空模型”我的意思是一个选择0功能使用的模型.特别是使用l1正则化模型,这很容易发生.因此,在这种情况下,如果SVM中的C足够小,则优化问题将找到0向量作为系数的最优解.因此,predictor.coef_将是0的向量.

解决方法:

尝试实现自定义得分手,类似于：

import numpy as np

def scorer_(estimator, X, y):
    # Your criterion here
    if np.allclose(estimator.coef_, np.zeros_like(estimator.coef_)):
        return 0
    else:
        return estimator.score(X, y)

learner = sklearn.grid_search.GridSearchCV(...
                                           scoring=scorer_)

标签：grid-search,python,python-3-x,scikit-learn
来源： https://codeday.me/bug/20190829/1763480.html