Question

我正在训练SVM，并希望使用Gridsearch多项式内核，PUK内核（这是我的自定义内核），rbf和线性回归对其进行优化，所有这些都希望在此之后调整参数：

多项式内核：调整度
PUK内核：调整sigma和omega
RBF：调整C和伽马值
线性：调整C

所以我使用流水线实现了gridsearchCV Tune parameters of custom kernel function with pipeline in scikit-learn 所以我的代码是这样的：

# Define Hyperparameters
tuned_parameters_svr_puk = [
   {'svr__kernel': ['rbf'], 'svr__gamma': [1e-3, 1e-4], 'svr__C': [1, 10, 100]}, 
   {'svr__kernel': ['poly'], 'svr__degree' : [2, 3, 4]}, 
   {'svr__kernel': ['linear'], 'svr__C': [1, 10, 100]}, 'svr__C': [1, 10, 100]},
   {'svr__kernel': ['precomputed'], 'puk__sigma' : [1, 2, 3], 'puk__omega' : [1, 2, 3], 
                     'svr__C': [1, 10, 100]}]

# Define a  pipeline including PUK for tuning sigma and omega
pipeline_svr_puk = Pipeline([('standardscaler', StandardScaler()), ('puk', PUKKernel()), ('svr', SVC())])
# Perform Gridsearch
clf_puk = GridSearchCV(estimator = pipeline_svr_puk, param_grid=tuned_parameters_svr_puk, refit=True, verbose=True, cv=2)

但是问题是即使我将svr__kernel定义为'linear'或'rbf'，数据也将通过PUKKernel函数传递（测试并观察到使用线性内核传递而不是通过PUKKernel传递，train_score是差异< / p>

因为我认为调整自定义内核的唯一方法是使用管道。因此，我的问题是是否可以同时调整我的自定义内核和其他内核。谢谢

GridsearchCV在自定义内核和简单内核上一起调整svm参数？

0 个答案: