tpot：仅使用多输出回归器

Question

我想使用tpot。我拥有的数据仅包含多输出连续变量（即输出形状为：（n_samples，n_output_variables），其中所有项目均为浮点数。）

这可以使用sklearn的MultiOutputRegressor类来实现。但是因为我有100多个不同的输出变量，所以我想避免为每个单独的输出应用tpot。

现在，如何使用tpot仅搜索多输出模型？有没有办法告诉tpot仅应使用多输出模型（例如DecisionTree）？

Answer 1

关于具有多个输出的回归变量：

您有一个多输出回归问题。我建议您检查以下答案：Multi-output regression。

有些回归器本来就支持目标上的多个输出，例如KNeighborsRegressor，DecisionTreeRegressor，GradientBoostingRegressor，ExtraTreesRegressor和RandomForestRegressor。如果您已经提到过使用MultiOutputRegressor，则其他（例​​如SGDRegressor，ElasticNetCV等）可以与多个输出一起使用。

---

关于TPOT和多重输出回归：

当前TPOT可以与所有支持本机支持多个输出的回归器一起使用，但是由于尚未实现，因此您必须为此调整文件，请查看https://github.com/EpistasisLab/tpot/issues/971。如果要将其他回归变量（单输出）与MultiOutputRegressor进行比较，则TPOT当前仅允许您一次只选择一个。也就是说，您只能指定几种算法中的一种，然后搜索最佳管道。然后，您可以使用其他算法重新运行。

关于指定要搜索的算法的问题：首先查看官方文档，然后阅读自定义TPOT的运算符和参数部分。如果您只想使用某些特定的算法，一种实现方法是复制标准TPOT配置以进行回归（https://github.com/EpistasisLab/tpot/blob/master/tpot/config/regressor.py），将其包含在代码中，然后取消注释（或添加）所有您不使用的算法（或愿意）要包含在您的搜索中。