{{1}}
我想用不同的优化器测试模型,但是我无法在网格搜索中添加优化器,当尝试拟合训练集时它会显示错误
ValueError:优化器不是合法参数
答案 0 :(得分:0)
keras for scikit-learn的文档中说:
sk_params 同时接受模型参数和拟合参数。法律 模型参数是 build_fn 的参数。请注意,像所有 scikit-learn中的其他估算器, build_fn 应该提供默认值 其参数的值,以便您可以创建估算器 而不将任何值传递给 sk_params 。
def regex_maker(list1):
new_list = ["^"]
for i in range(1, len(list1)):
new_list.append("(?=.*_"+list1[i]+")")
new_list.append(".*$")
str1 = "".join(new_list)
return str1
将在GridSearchCV
上调用get_params()
,以获取可传递给它的有效参数列表,这些参数根据您的代码:
KerasClassifier
将为空(因为您未在KC = KerasClassifier(build_fn=build_classifier)
中指定任何参数)。
将其更改为以下内容:
build_classifier
之后,它应该可以工作了。参见带有scikit-learn的Keras的this example demonstrating the usage。
答案 1 :(得分:0)
我认为如果您将 optimizer = 'adam' 添加为 build_classifier 的参数,然后将 optimizer=optimizer 添加为编译参数
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import GridSearchCV
def build_classifier(**optimizer='adam'):
classifier = Sequential()
classifier.add(Dense(units = 6 , init='uniform' , activation= 'relu'))
classifier.add(Dense(units = 6 , init='uniform' , activation= 'relu'))
classifier.add(Dense(units = 1 , init='uniform' , activation= 'sigmoid'))
classifier.compile(optimizer=optimizer , loss = 'binary_crossentropy' ,
metrics=['accuracy'])
return classifier
KC = KerasClassifier(build_fn=build_classifier)
parameters = {'batch_size' : [25,32],
'epochs' : [100,500],
'optimizer':['adam','rmsprop']}
grid_search = GridSearchCV(estimator=KC ,
param_grid=parameters,scoring='accuracy',cv=10)
grid_search.fit(X_train,y_train)
答案 2 :(得分:0)
# Function to create model, required for KerasClassifier
def create_model( optimizer='adam'):
model = Sequential()
model.add(Dense(150, input_dim=13, activation='relu'))
model.add(Dense(80, activation='relu'))
model.add(Dense(2, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=
['accuracy'])
return model
# create model
model = KerasClassifier(build_fn=create_model, verbose=0)
# define the grid search parameters
batch_size = [10, 20]
epochs = [10, 50]
optimizer = ['adam','rmsprop']
param_grid = dict(optimizer=optimizer,batch_size=batch_size, epochs=epochs)
grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1, cv=3)
grid_result = grid.fit(X, y)
第一个 optimizer=optimizer
、第二个 batch_size=batch_size
和最后一个 epochs=epochs
。