Question

是否可以将RFE和GridSearch与ClassifierChain一起使用？

我当前方法的一小段内容：

sss = StratifiedShuffleSplit(n_splits=7, test_size=600, random_state=1)
clf = ClassifierChain(LinearSVC(), order='random', cv=sss, random_state=3)

rfe = RFE(estimator=clf, step=100, n_features_to_select=0.93)
features_array = rfe.fit_transform(features_array, labels_data.values.ravel())

parameters = {
    "clf__base_estimator": (LinearSVC(C=1e-20), ),
    "clf__order": ([0,1,2,3,4,5,6],),
    "clf__cv": (sss, ),
    "clf__random_state": (None, 0, 1, 2)
}

pipeline = Pipeline([('clf', clf)])

grid_search = GridSearchCV(pipeline, parameters, scoring = scoring, refit = 'rec', n_jobs=-1, cv=sss, error_score='raise', return_train_score=True, verbose=True)

grid_search.fit(features_array, labels_data.values.ravel())

这不起作用，执行后，我收到大量异常。我使用Anaconda Jupyter Notebook，因此运行时环境也有例外。也许你们解决了这个问题，乍看之下是什么问题，否则我将发布例外。

编辑：不使用RFE的新方法：

scoring = {'rec': 'recall', 'acc': 'accuracy', 'prec': 'precision', 'rocauc': 'roc_auc'}
tfidf = TfidfVectorizer(#stuff)
features_array = tfidf.fit_transform(clean_features_ref)

clf = ClassifierChain(LinearSVC(), order='random', cv=sss, random_state=3)

parameters = {
    'base_estimator__C': (1e-14,1e-10, 1e-4)
}

grid_search = GridSearchCV(clf, parameters, scoring = scoring, refit = 'rec', n_jobs=-1, cv=sss,
                           error_score='raise', return_train_score=True, verbose =True)

grid_search.fit(features_array, labels_data.values.ravel())

Edit_2：所以我刚刚发现它已经无法工作：

clf = ClassifierChain(LinearSVC(), order='random', cv=sss, random_state=3)
clf.fit(features_array, labels_data.values.ravel())

使用

IndexError：元组索引超出范围

Python Sklearn-将RFE和GridSearch与ClassifierChain一起使用

0 个答案: