sklearn lda gridsearchcv with pipeline

Question

pipe = Pipeline([('reduce_dim', LinearDiscriminantAnalysis()),('classify', LogisticRegression())])
param_grid = [{'classify__penalty': ['l1', 'l2'],
                 'classify__C': [0.05,0.1, 0.3, 0.6, 0.8, 1.0]}] 

gs = GridSearchCV(pipe, param_grid=param_grid, cv=5, scoring='roc_auc', n_jobs=3)
gs.fit(data, label)

我有使用管道和gridsearchcv的问题。现在我首先尝试使用lda来减少维度，我想知道关于gridsearchcv与管道的过程？ 分裂列车/测试 - ＆gt; lda-＆gt; fit＆amp;预测或lda->分裂列车/测试 - ＆gt;适合＆amp;预测？

Answer 1

第1部分

首先，is_dereferencable定义了您要执行的步骤。

在您的情况下，首先使用Pipeline然后使用LinearDiscriminantAnalysis。

第2部分

在

LogisticRegression

您已定义交叉验证（cv）= 5.

此数字定义折叠次数（（分层）KFold），因此您可以将数据自动拆分为5次，然后执行gs = GridSearchCV(pipe, param_grid=param_grid, cv=5, scoring='roc_auc', n_jobs=3) 定义

底线：第一种情况（分组训练/测试 - ＆gt; lda-＆gt;拟合和预测）似乎更好但问题与方法有关。