Question

我目前正在Jupyter笔记本中运行一个程序，以对MNIST数据集进行分类。我正在尝试使用KNN分类器来执行此操作，这需要一个多小时才能运行。我是分类器和超参数的新手，似乎还没有关于如何正确实现它们之一的不错的教程。谁能给我一些关于如何使用超参数进行分类的提示？我搜索并看到了GridSearchCv和RandomizedSearchCV。通过查看示例，他们似乎选择了不同的属性名称，并更改为代码所必需的名称。如果数据只是手写数字，我不知道如何为MNIST数据集完成此操作。看到只有数字可以在这种情况下不需要超参数吗？这是我目前仍在运行的代码。感谢您提供的任何帮助。

# To support both python 2 and python 3
from __future__ import division, print_function, unicode_literals

# Common imports
import numpy as np
import os

# to make this notebook's output stable across runs
np.random.seed(42)

# To plot pretty figures
%matplotlib inline
import matplotlib
import matplotlib.pyplot as plt
plt.rcParams['axes.labelsize'] = 14
plt.rcParams['xtick.labelsize'] = 12
plt.rcParams['ytick.labelsize'] = 12

# Where to save the figures
PROJECT_ROOT_DIR = "."
CHAPTER_ID = "classification"

def save_fig(fig_id, tight_layout=True):
    image_dir = os.path.join(PROJECT_ROOT_DIR, "images", CHAPTER_ID)
    if not os.path.exists(image_dir):
        os.makedirs(image_dir)

    path = os.path.join(image_dir, fig_id + ".png")
    print("Saving figure", fig_id)
    if tight_layout:
        plt.tight_layout()
    plt.savefig(path, format='png', dpi=300)
def sort_by_target(mnist):
    reorder_train = np.array(sorted([(target, i) for i, target in enumerate(mnist.target[:60000])]))[:, 1]
    reorder_test = np.array(sorted([(target, i) for i, target in enumerate(mnist.target[60000:])]))[:, 1]
    mnist.data[:60000] = mnist.data[reorder_train]
    mnist.target[:60000] = mnist.target[reorder_train]
    mnist.data[60000:] = mnist.data[reorder_test + 60000]
    mnist.target[60000:] = mnist.target[reorder_test + 60000]
try:
    from sklearn.datasets import fetch_openml
    mnist = fetch_openml('mnist_784', version=1, cache=True)
    mnist.target = mnist.target.astype(np.int8) # fetch_openml() returns targets as strings
    sort_by_target(mnist) # fetch_openml() returns an unsorted dataset
except ImportError:
    from sklearn.datasets import fetch_mldata
    mnist = fetch_mldata('MNIST original')
    mnist["data"], mnist["target"]
mnist.data.shape
X, y = mnist["data"], mnist["target"]
X.shape
y.shape

#select and display some digit from the dataset
import matplotlib
import matplotlib.pyplot as plt

some_digit_index = 7201
some_digit = X[some_digit_index]
some_digit_image = some_digit.reshape(28, 28)
plt.imshow(some_digit_image, cmap = matplotlib.cm.binary,
           interpolation="nearest")
plt.axis("off")

save_fig("some_digit_plot")
plt.show()

#print some digit's label
print('The ground truth label for the digit above is: ',y[some_digit_index])
X_train, X_test, y_train, y_test = X[:60000], X[60000:], y[:60000], y[60000:]
#random shuffle
import numpy as np

shuffle_index = np.random.permutation(60000)
X_train, y_train = X_train[shuffle_index], y_train[shuffle_index]
from sklearn.model_selection import cross_val_predict
from sklearn.neighbors import KNeighborsClassifier

y_train_large = (y_train >= 7)
y_train_odd = (y_train % 2 == 1)
y_multilabel = np.c_[y_train_large, y_train_odd]

knn_clf = KNeighborsClassifier()
knn_clf.fit(X_train, y_multilabel)
knn_clf.predict([some_digit])

y_train_knn_pred = cross_val_predict(knn_clf, X_train, y_multilabel, cv=3, n_jobs=-1)
f1_score(y_multilabel, y_train_knn_pred, average="macro")

Answer 1

KNN最受欢迎的超参数将是n_neighbors，也就是说，您考虑将几个标签分配给新点的最近邻居。默认情况下，它设置为5，但这可能不是最佳选择。因此，通常最好找到适合您特定问题的最佳选择。

这是您为示例找到最佳超参数的方式：

from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV

param_grid = {"n_neighbors" : [3,5,7]}     

KNN=KNeighborsClassifier()

grid=GridSearchCV(KNN, param_grid = param_grid , cv = 5, scoring = 'accuracy', return_train_score = False)
grid.fit(X_train,y_train)

这是将KNN模型的性能与您设置的n_neighbors的不同值进行比较。然后，当您这样做时：

print(grid.best_score_)
print(grid.best_params_)

它将显示最佳性能得分是什么，以及达到的参数选择。

所有这些与您正在使用MNIST数据无关。您可以将此方法用于其他任何分类任务，只要您认为KNN可能是您任务的明智选择（对于图像分类可能是有争议的）。从一项任务变为另一项任务的唯一一件事就是超参数的最优值。

PS：我建议不要使用y_multilabel术语，因为这可能是指特定的分类任务，其中每个数据点可以具有多个标签，而在MNIST中不是这样（每个图像仅代表一位数字）一次）。

如何使用MNIST数据集实现超参数

1 个答案: