ValueError 在 Scikit 中找到最佳超参数时使用 GridSearchCV 学习 LogisticRegression
Posted
技术标签:
【中文标题】ValueError 在 Scikit 中找到最佳超参数时使用 GridSearchCV 学习 LogisticRegression【英文标题】：ValueError while finding best hyperparameter in Scikit learn LogisticRegression using GridSearchCV 【发布时间】：2019-09-30 06:12:29 【问题描述】：在使用 GridSearchCV 进行 LogisticRegression 进行超参数调整时，我收到错误消息
ValueError: Invalid parameter Hparam
对于估算器：
LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True, intercept_scaling=1, max_iter=100, multi_class='ovr', n_jobs=-1, penalty='l1', random_state=None, solver='liblinear', tol=0.0001, verbose=1, warm_start=False)
我在下面写了我的代码：
hparam=[]
a = 0.0001
while(a<100000):
hparam.append(a)
a*=2
LReg = LogisticRegression(penalty='l1',verbose=1,n_jobs=-1)
param_grid = 'Hparam':hparam
grid_ = GridSearchCV(LReg, param_grid, scoring='roc_auc', cv=10)
grid_.fit(xtr_,ytr_)
【问题讨论】：
【参考方案1】：Refer sci-kit Logistic Regression，Hparam 未列为 Logistic 回归的超参数
【讨论】：
以上是关于ValueError 在 Scikit 中找到最佳超参数时使用 GridSearchCV 学习 LogisticRegression的主要内容，如果未能解决你的问题，请参考以下文章
Python scikit-learn SVM 分类器“ValueError：找到昏暗 3 的数组。预期 <= 2”
当我尝试为 scikit-learn 模型拟合另外 1 个功能时，出现此错误“ValueError：找到样本数量不一致的输入变量”
在 SciKit 线性回归中获取“ValueError：形状未对齐”
在管道中使用时带有 scikit-learn PLSRegression 的 ValueError