Question

我已经定义了一个回归量如下：

nn1 = Regressor(
layers=[
    Layer("Rectifier", units=150),
    Layer("Rectifier", units=100),
    Layer("Linear")],
regularize="L2",
# dropout_rate=0.25,
learning_rate=0.01,
valid_size=0.1,
learning_rule="adagrad",
verbose=False,
weight_decay=0.00030,
n_stable=10,
f_stable=0.00010,
n_iter=200)

我在k-fold交叉验证中使用这个回归量。为了使交叉验证正常工作而不是从之前的折叠中学习，每次折叠后重新定位回归量是必要的。
如何重置回归对象？

Answer 1

sklearn.base.clone应该达到你想要实现的目标

Answer 2

我用于交叉验证的模式为每个训练/测试对实例化一个新的分类器：

from sklearn.cross_validation import KFold

kf = KFold(len(labels),n_folds=5, shuffle=True)
for train, test in kf:
    clf = YourClassifierClass()
    clf.fit(data[train],labels[train])
    # Do evaluation with data[test] and labels[test]

您可以将当前最佳分类器保存在单独的变量中，并在交叉验证后访问其参数（如果您想尝试不同的参数，这也很有用。）

sklearn：如何在sknn中重置一个回归器或分类器对象

2 个答案: