Question

我正在学习交叉验证 - 网格搜索并遇到了这个youtube playlist，该教程也作为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，而不是使用knn我正在使用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

引发ValueError（＆＃34; X应该是方形内核矩阵＆＃34;）ValueError：X 应该是一个方形核矩阵

Answer 1

从参数空间中删除'precomputed'。

kernel='precomputed'只能在传递(n_samples, n_samples)数据矩阵时使用，该数据矩阵表示样本的成对相似性，而不是传统的(n_samples, n_features)矩形数据矩阵。

有关内核参数含义的更多详细信息，请参阅文档：

Scikit-使用SVM回归学习网格搜索

1 个答案: