Question

我试图将OnClassSVM用于异常检测，并使用GridSearchCV（）对其参数进行了如下调整：

我已经搜索了许多网站，包括https://stackoverflow.com/，但找不到适合我的情况的任何解决方案。代码在这里：

nus = [0.001, 0.01, 0.1, 1]
gammas = [0.001, 0.01, 0.1, 1]
scorers = {
  'precision_score': make_scorer(precision_score),
  'recall_score': make_scorer(recall_score),
 'accuracy_score': make_scorer(accuracy_score)
}

tuned_parameters = {'C': [1, 10, 100, 1000], 'kernel' : ['rbf','linear'], 
'gamma' : gammas, 'nu': nus}
tuned_ocsvm = svm.OneClassSVM()
ocsvm = GridSearchCV(estimator=svm.OneClassSVM(), 
param_grid=tuned_parameters, scoring=scorers,refit='false')

但这给了我以下错误

对于多指标计分，必须将参数refit设置为记分器键或可调用参数，以使估算器在整个数据上具有最佳参数设置，并使best_ *属性可用于该指标。如果不需要这样做，则应将refit显式设置为False。传递了“假”

Answer 1

在GridSearchCV's doc上，refit定义为：

refit：布尔值，字符串或可调用值，默认为True

使用在整个数据集上找到的最佳参数来估算一个估算器。   对于多指标评估，这需要是一个表示计分器的字符串，该计分器将用于查找最佳参数以最终重新拟合估计器。   在选择最佳估算器时，除了最大分数之外，还可以考虑将refit设置为一个函数，该函数在给定cv_results_的情况下返回所选的best_index_。   可以在best_estimator_属性中使用经过调整的估计器，并允许直接在此GridSearchCV实例上使用预测。   同样对于多指标评估，属性best_index_，best_score_和best_params_仅在设置了调整后才可用，并且将通过此特定计分器确定所有属性。如果可调用改装，则不会返回best_score_。   请参阅评分参数，以了解有关多指标评估的更多信息。

如果您不想调整估计量，则可以设置refit=False（为布尔值）。另一方面，要使评估者适合其中一个得分者，可以执行refit='precision_score'。

如何修复OneClassSVM和GridSearchCV的错误“用于多指标评分”

1 个答案: