带有 SVM 回归的 Scikit-learn 网格搜索

Posted 2023-02-23

【中文标题】带有 SVM 回归的 Scikit-learn 网格搜索

【英文标题】：Scikit-learn grid search with SVM regression

【发布时间】：2016-07-18 07:43:58

【问题描述】：

我正在学习交叉验证网格搜索并遇到了这个youtube playlist，并且该教程也已作为 ipython 笔记本上传到github。我正在尝试重新创建 同时搜索多个参数 部分中的代码，但我没有使用 knn，而是使用了 SVM 回归。这是我的代码

from sklearn.datasets import load_iris
from sklearn import svm
from sklearn.grid_search import GridSearchCV
import matplotlib.pyplot as plt
import numpy as np
iris = load_iris()
X = iris.data
y = iris.target

k=['rbf', 'linear','poly','sigmoid','precomputed']
c= range(1,100)
g=np.arange(1e-4,1e-2,0.0001)
g=g.tolist()
param_grid=dict(kernel=k, C=c, gamma=g)
print param_grid
svr=svm.SVC()
grid = GridSearchCV(svr, param_grid, cv=5,scoring='accuracy')
grid.fit(X, y)  
print()
print("Grid scores on development set:")
print()  
print grid.grid_scores_  
print("Best parameters set found on development set:")
print()
print(grid.best_params_)
print("Grid best score:")
print()
print (grid.best_score_)
# create a list of the mean scores only
grid_mean_scores = [result.mean_validation_score for result in grid.grid_scores_]
print grid_mean_scores

但它给出了这个错误

raise ValueError("X 应该是一个方核矩阵") ValueError: X 应该是方核矩阵

【问题讨论】：

报告 Python 错误时，您应该始终引用完整的 Python 回溯，因为它提供了引发异常的位置的信息。

【参考方案1】：

从参数空间中删除 'precomputed'。

kernel='precomputed'只能在传递代表样本成对相似性的(n_samples, n_samples)数据矩阵而不是传统的(n_samples, n_features)矩形数据矩阵时使用。

有关内核参数含义的更多详细信息，请参阅文档：

http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html http://scikit-learn.org/stable/modules/svm.html#svm-kernels

【讨论】：

您好，谢谢您的回复，但您能告诉我如何导出此模型吗？这是正确的方法>>> from sklearn.externals import joblib >>> joblib.dump(grid, 'my_model.pkl', compress=9)