Question

以前曾多次询问过这个问题。但是在回答这个问题时我得到了一个错误

首先，我指定哪个部分是训练集和验证集如下。

my_test_fold = []


for i in range(len(train_x)):
    my_test_fold.append(-1)

 for i in range(len(test_x)):
    my_test_fold.append(0)

然后执行gridsearch。

from sklearn.model_selection import PredefinedSplit
param = {
 'n_estimators':[200],
 'max_depth':[5],
 'min_child_weight':[3],
 'reg_alpha':[6],
    'gamma':[0.6],
    'scale_neg_weight':[1],
    'learning_rate':[0.09]
}




gsearch1 = GridSearchCV(estimator = XGBClassifier( 
    objective= 'reg:linear', 
    seed=1), 
param_grid = param, 
scoring='roc_auc',
cv = PredefinedSplit(test_fold=my_test_fold),
verbose = 1)


gsearch1.fit(new_data_df, df_y)

但是我收到以下错误

 object of type 'PredefinedSplit' has no len()

Answer 1

尝试替换

cv = PredefinedSplit(test_fold=my_test_fold)

与

cv = list(PredefinedSplit(test_fold=my_test_fold).split(new_data_df, df_y))

原因是您可能需要应用split method来实际分割为训练和测试（然后将其从可迭代对象转换为列表对象）。

Answer 2

使用我是作者的hypopt Python软件包（pip install hypopt）。这是一个专门为使用验证集进行参数优化而创建的专业软件包。它可以与任何现成的scikit学习模型一起使用，也可以与Tensorflow，PyTorch，Caffe2等一起使用。

# Code from https://github.com/cgnorthcutt/hypopt
# Assuming you already have train, test, val sets and a model.
from hypopt import GridSearch
param_grid = [
  {'C': [1, 10, 100], 'kernel': ['linear']},
  {'C': [1, 10, 100], 'gamma': [0.001, 0.0001], 'kernel': ['rbf']},
 ]
# Grid-search all parameter combinations using a validation set.
opt = GridSearch(model = SVR(), param_grid = param_grid)
opt.fit(X_train, y_train, X_val, y_val)
print('Test Score for Optimized Parameters:', opt.score(X_test, y_test))

使用预定义的验证集Sklearn执行网格搜索

2 个答案: