我想为每个估算器找到完整的参数集:
estimators = [df.svm.SVR(), df.svm.LinearSVR(), df.svm.NuSVR()]
在测试代码中,我只添加了一些在示例中找到的详细信息'kernel':('linear', 'rbf')
:
from sklearn import svm, grid_search, datasets
iris = datasets.load_iris()
parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}
svr = svm.SVC()
clf = grid_search.GridSearchCV(svr, parameters)
clf.fit(iris.data, iris.target)
...
> GridSearchCV(cv=None, error_score=...,
> estimator=SVC(C=1.0, cache_size=..., class_weight=..., coef0=...,
> decision_function_shape=None, degree=..., gamma=...,
> kernel='rbf', max_iter=-1, probability=False,
> random_state=None, shrinking=True, tol=...,
> verbose=False),
> fit_params={}, iid=..., n_jobs=1,
> param_grid=..., pre_dispatch=..., refit=...,
> scoring=..., verbose=...)
查找所有可能参数及其值的最佳方法是什么?
答案 0 :(得分:2)
您必须阅读每种方法的文档(或至少通过help( )
命令的文档字符串)并确定适合的参数。特别是,它们中的许多都具有无限多个可能的值(例如C),因此您无法检查所有值。你需要一些抽样。
除此之外,没有人可以决定是否在SVM中检查多种加权样本的方法,是否测试多个停止容差参数。