将 GridSearchCV 与 TimeSeriesSplit 一起使用
Posted
技术标签:
【中文标题】将 GridSearchCV 与 TimeSeriesSplit 一起使用【英文标题】:Using GridSearchCV with TimeSeriesSplit 【发布时间】:2019-10-26 01:31:41 【问题描述】:我有一些代码可以使用TimeSeriesSplit
来拆分我的数据。对于每个拆分,我将使用ParametersGrid
并循环遍历每个参数组合,记录最佳参数集并使用它来预测我的X_test
。这部分的代码可以在文章底部看到
我知道GridSearchCV
会为我做很多这样的工作。我想知道我是否使用以下代码,我的数据在哪里拆分
X_train
、X_test
、y_train
和 y_test
?将GridSearchCV
与TimeSeriesSplit
一起使用会在幕后处理这个问题吗?如果是这样,这段代码会与我在这篇文章底部的原始代码完成同样的事情吗?另外,我现在尝试了GridSearchCV
方法,并且已经将近 30 分钟没有完成 - 我的语法是否正确?
X = data.iloc[:, 0:8]
y = data.iloc[:, 8:9]
parameters = [
'kernel': ['rbf'],
'gamma': [.01],
'C': [1, 10, 100]]
gsc = GridSearchCV(SVR(), param_grid=parameters, scoring='neg_mean_absolute_error',
cv=TimeSeriesSplit(n_splits=2))
gsc.fit(X,y)
means = gsc.cv_results_['mean_test_score']
for mean in means:
print(mean)
print('end')
原代码如下:
# Create the time series split generator
tscv = TimeSeriesSplit(n_splits=3)
for train_index, test_index in tqdm(tscv.split(X)):
X_train, X_test = X.iloc[train_index], X.iloc[test_index]
y_train, y_test = y.iloc[train_index], y.iloc[test_index]
# scale the data set
scaler_X = StandardScaler()
scaler_y = StandardScaler()
scaler_X.fit(X_train)
scaler_y.fit(y_train)
X_train, X_test = scaler_X.transform(X_train), scaler_X.transform(X_test)
y_train, y_test = scaler_y.transform(y_train), scaler_y.transform(y_test)
# optimization area - set params
parameters = [
'kernel': ['rbf'],
'gamma': [.01],
'C': [ 1,10,100,500,1000]]
regressor = SVR()
# loop through each of the parameters and find the best set
for e, g in enumerate(ParameterGrid(parameters)):
regressor.set_params(**g)
regressor.fit(X_train, y_train.ravel())
score = metrics.mean_absolute_error(regressor.predict(X_train), y_train.ravel())
if e == 0:
best_score = score
best_params = g
elif score < best_score:
best_score = score
best_params = g
# refit the model with the best set of params
regressor.set_params(**best_params)
regressor.fit(X_train, y_train.ravel())
【问题讨论】:
【参考方案1】:你需要稍微修改一下代码。
gsc = GridSearchCV(SVR(), param_grid=parameters, scoring='neg_mean_absolute_error',
cv=TimeSeriesSplit(n_splits=2).split(X))
而且,您可以考虑添加verbose
参数来查看运行输出。
【讨论】:
啊,我明白了——但是你在哪里分裂?当我手动执行此操作时,我必须指定它 另外 - GridSearchCV 方法的运行时间是否比我的“原始代码”方法更长?split()
方法生成索引以将数据拆分为训练集和测试集。然后将这些索引应用于X
和y
以实际拆分数据。
快速浏览一下,我找不到任何明显的原因说明GridSearchCV
的性能会比其他代码差。几个建议 - 设置 n_jobs=-1
以便使用所有处理器,并在实例化 SVR()
时设置 kernel
和 gamma
,除非您打算使用这些参数的更多值进行测试(现在只有一个在网格)。
是的,我只是删除参数来测试 gamma 以尝试让它完成运行。我会尝试 n_jobs 设置。所以我的两个代码sn-ps基本上都是做同样的事情吧?以上是关于将 GridSearchCV 与 TimeSeriesSplit 一起使用的主要内容,如果未能解决你的问题,请参考以下文章
将 gridsearchCV 与 Keras RNN-LSTM 一起使用时出现尺寸错误
将 sklearn 的 BaggingClassifier 与 GridSearchCV 一起使用时出现 ZeroDivisionError