Question

我已经搜索了sklearn docs for TimeSeriesSplit和docs for cross-validation，但我还没有找到一个有效的例子。

我使用sklearn版本0.19。

这是我的设置

import xgboost as xgb
from sklearn.model_selection import TimeSeriesSplit
from sklearn.grid_search import GridSearchCV
import numpy as np
X = np.array([[4, 5, 6, 1, 0, 2], [3.1, 3.5, 1.0, 2.1, 8.3, 1.1]]).T
y = np.array([1, 6, 7, 1, 2, 3])
tscv = TimeSeriesSplit(n_splits=2)
for train, test in tscv.split(X):
    print(train, test)

给出：

[0 1] [2 3]
[0 1 2 3] [4 5]

如果我尝试：

model = xgb.XGBRegressor()
param_search = {'max_depth' : [3, 5]}

my_cv = TimeSeriesSplit(n_splits=2).split(X)
gsearch = GridSearchCV(estimator=model, cv=my_cv,
                        param_grid=param_search)
gsearch.fit(X, y)

它给出：TypeError: object of type 'generator' has no len()

我遇到了问题：GridSearchCV正在尝试调用len(cv)，但my_cv是一个没有长度的迭代器。但是，docs for GridSearchCV状态我可以使用

int，交叉验证生成器或可迭代的可选

我尝试使用TimeSeriesSplit而不使用.split(X)，但它仍然无效。

我确定我忽视了一些简单的事情，谢谢!!

Answer 1

事实证明问题是我使用了来自GridSearchCV的{{1}}，这已被弃用。从sklearn.grid_search导入GridSearchCV解决了问题：

sklearn.model_selection

给出：

import xgboost as xgb
from sklearn.model_selection import TimeSeriesSplit, GridSearchCV
import numpy as np
X = np.array([[4, 5, 6, 1, 0, 2], [3.1, 3.5, 1.0, 2.1, 8.3, 1.1]]).T
y = np.array([1, 6, 7, 1, 2, 3])
tscv = TimeSeriesSplit(n_splits=2)

model = xgb.XGBRegressor()
param_search = {'max_depth' : [3, 5]}

my_cv = TimeSeriesSplit(n_splits=2).split(X)
gsearch = GridSearchCV(estimator=model, cv=my_cv,
                        param_grid=param_search)
gsearch.fit(X, y)

如何使用带有GridSearchCV对象的TimeSeriesSplit来调整scikit-learn中的模型？

1 个答案: