TypeError: __init__() 得到了一个意外的关键字参数“评分”

Posted

技术标签:

【中文标题】TypeError: __init__() 得到了一个意外的关键字参数“评分”【英文标题】:TypeError: __init__() got an unexpected keyword argument 'scoring' 【发布时间】:2013-02-02 09:28:20 【问题描述】:

这个演示代码怎么可能(取自这里:http://scikit-learn.org/dev/auto_examples/grid_search_digits.htmlTypeError: __init__() got an unexpected keyword argument 'scoring' 当明显的得分是一个参数时(http://scikit-learn.org/dev/modules/generated/sklearn.grid_search.GridSearchCV.html#sklearn.grid_search.GridSearchCV)?

from __future__ import print_function

from sklearn import datasets
from sklearn.cross_validation import train_test_split
from sklearn.grid_search import GridSearchCV  
from sklearn.metrics import classification_report
from sklearn.svm import SVC

print(__doc__)

# Loading the Digits dataset
digits = datasets.load_digits()

# To apply an classifier on this data, we need to flatten the image, to
# turn the data in a (samples, feature) matrix:
n_samples = len(digits.images)
X = digits.images.reshape((n_samples, -1))
y = digits.target

# Split the dataset in two equal parts
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.5, random_state=0)

# Set the parameters by cross-validation
tuned_parameters = ['kernel': ['rbf'], 'gamma': [1e-3, 1e-4],
                 'C': [1, 10, 100, 1000],
                'kernel': ['linear'], 'C': [1, 10, 100, 1000]]

scores = ['precision', 'recall']

for score in scores:
    print("# Tuning hyper-parameters for %s" % score)
    print()

    clf = GridSearchCV(SVC(C=1), tuned_parameters, scoring=score)
    clf.fit(X_train, y_train, cv=5)

    print("Best parameters set found on development set:")
    print()
    print(clf.best_estimator_)
    print()
    print("Grid scores on development set:")
    print()
    for params, mean_score, scores in clf.grid_scores_:
        print("%0.3f (+/-%0.03f) for %r"
          % (mean_score, scores.std() / 2, params))
    print()

    print("Detailed classification report:")
    print()
    print("The model is trained on the full development set.")
    print("The scores are computed on the full evaluation set.")
    print()
    y_true, y_pred = y_test, clf.predict(X_test)
    print(classification_report(y_true, y_pred))
    print()

# Note the problem is too easy: the hyperparameter plateau is too flat and the
# output model is the same for precision and recall with ties in quality.

【问题讨论】:

能否给出scikit的完整回溯和版本号? 【参考方案1】:

scoring 参数是 0.14 开发版本中的新参数,示例代码适用于该版本。你安装的scikit可能是0.13或更早的版本,没有评分参数。

【讨论】:

对于 Windows,我发现只有 0.13:sourceforge.net/projects/scikit-learn/files。如果我在示例代码中不使用评分参数,结果会有多大变化? @postgres:有一个corresponding example on the 0.13 documentation。 当前版本为 0.13。正如 Lie Ryan 指出的那样,0.14 版是开发版本,它没有二进制文件或任何东西,因为它每天都在变化。【参考方案2】:

您正在运行开发版本吗?

例如0.12不支持该参数

【讨论】:

以上是关于TypeError: __init__() 得到了一个意外的关键字参数“评分”的主要内容,如果未能解决你的问题,请参考以下文章

TypeError: __init__() 得到了一个意外的关键字参数“编码”

TypeError: __init__() 得到了一个意外的关键字参数 '__no_builder' Kivy

TypeError:__init__() 得到了一个意外的关键字参数“categorical_features”:onehotencoder

sklearn.cluster.KMeans 得到“TypeError:__init__() 得到了一个意外的关键字参数‘n_jobs’”

Tensorflow 错误:TypeError:__init__() 得到了一个意外的关键字参数“dct_method”[关闭]

如何使用 keras 加载保存的模型? (错误: : TypeError: __init__() 得到了一个意外的关键字参数“可训练”)