Question

我想使用GridSearchCV贪婪地搜索支持向量分类器的整个参数空间。但是，LinearSVC和throw an exception禁止某些参数组合。特别是，dual，penalty和loss参数有互斥的组合：

例如，此代码：

from sklearn import svm, datasets
from sklearn.model_selection import GridSearchCV

iris = datasets.load_iris()
parameters = {'dual':[True, False], 'penalty' : ['l1', 'l2'], \
              'loss': ['hinge', 'squared_hinge']}
svc = svm.LinearSVC()
clf = GridSearchCV(svc, parameters)
clf.fit(iris.data, iris.target)

返回ValueError: Unsupported set of arguments: The combination of penalty='l2' and loss='hinge' are not supported when dual=False, Parameters: penalty='l2', loss='hinge', dual=False

我的问题是：是否有可能使GridSearchCV跳过模型禁止的参数组合？如果没有，是否有一种简单的方法来构建一个不违反规则的参数空间？

Answer 1

我通过将error_score=0.0传递给GridSearchCV来解决了这个问题：

error_score：'raise'（默认值）或数字

要分配给的值   如果估算器拟合中发生错误，则得分。如果设置为'加注'，则   提出错误。如果给出了数值，则FitFailedWarning为   提高。此参数不会影响改装步骤   总是提出错误。

Answer 2

如果您想完全避免探索特定的组合（不等待出现错误），则必须自己构造网格。 GridSearchCV可以获取字典列表，在其中探索列表中每个字典所跨越的网格。

在这种情况下，条件逻辑不是很糟糕，但是对于更复杂的事情来说确实很乏味：

from sklearn import svm, datasets
from sklearn.model_selection import GridSearchCV
from itertools import product

iris = datasets.load_iris()

duals = [True, False]
penaltys = ['l1', 'l2']
losses = ['hinge', 'squared_hinge']
all_params = list(product(duals, penaltys, losses))
filtered_params = [{'dual': [dual], 'penalty' : [penalty], 'loss': [loss]}
                   for dual, penalty, loss in all_params
                   if not (penalty == 'l1' and loss == 'hinge') 
                   and not ((penalty == 'l1' and loss == 'squared_hinge' and dual is True))
                  and not ((penalty == 'l2' and loss == 'hinge' and dual is False))]

svc = svm.LinearSVC()
clf = GridSearchCV(svc, filtered_params)
clf.fit(iris.data, iris.target)

使用GridSearchCV时跳过禁止参数组合

2 个答案: