Question

我正在尝试使用autosklearn（0.4.1版）来了解在哪个算法方向上搜索我的回归问题。我用sklearn的波士顿玩具示例数据进行了尝试，效果很好（请参见下面的代码）。只是它输出一组算法。哪个很好，但我也想告诉我哪种算法最好。

我认为我可以通过使用参数“ ensemble_size = 1”（或零）来实现 autosklearn.regression.AutoSklearnRegressor 但是我总会发现里面有一些加权算法。另外，如果我设置“ ensemble_size = 5”或更大的数字1，则它的整体大小将保持不变，就像我根本没有设置参数一样，但不是我给出的值。

有人知道，如果我只是使用错误的合成器，是否试图实现autosklearn软件包无法实现的目标，或者我是否在这里错过了其他东西？

非常感谢您的回答和最诚挚的问候， lgreenalien

import sklearn.datasets
import autosklearn.regression 

x, y = sklearn.datasets.load_boston(return_X_y=True)
feature_types = (['numerical'] * 3) + ['categorical'] + (['numerical'] * 9)
x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(x, y, random_state=1)

automl = autosklearn.regression.AutoSklearnRegressor(
         time_left_for_this_task=120,# in seconds
         per_run_time_limit=30, 
         tmp_folder='tmp_Bostondata',
         output_folder='output_Bostondata',
         )

automl.fit(x_train, y_train, dataset_name='Boston dataset',
       feat_type=feature_types)

predictions = automl.predict(x_test)

autosklearn.regression.AutoSklearnRegressor中的参数'ensemble_size'似乎没有任何作用，如何正确使用它？

0 个答案: