Question

我想调整“ SVR（）”回归函数的参数。它开始处理但没有停止，我无法解决问题。我正在使用SVM回归函数SVR（）预测参数。使用Python中的默认值，结果效果不好。因此，我想尝试使用“ GridSearchCv”对其进行调整。最后一部分“ grids.fit（Xtrain，ytrain）”开始运行，没有给出任何错误，并且不会停止。 SVR() tunning using GridSearch 代码：

从sklearn.model_selection导入GridSearchCV。

param = {'kernel' : ('linear', 'poly', 'rbf', 'sigmoid'),'C' : [1,5,10],'degree' : [3,8],'coef0' : [0.01,10,0.5],'gamma' : ('auto','scale')},

modelsvr = SVR(),

grids = GridSearchCV(modelsvr,param,cv=5)

grids.fit(Xtrain,ytrain)

它将继续处理而不会停止。

Answer 1

是的，您是正确的。当我尝试为SVR（）运行GridsearchCV时，我遇到了相同的情况。可能的原因是：1）处理器的内存（RAM）必须更少； 2）训练数据的样本量更大，由于处理器的内存较低，因此有相同的机会消耗更多的时间来运行Gridsearch，因此作业运行没有任何错误时间会更多。

为您提供的信息：我已经使用16GB RAM内存空间运行Gridsearch，火车样本大小为30K，它运行了210分钟才能完成运行。因此，在这里必须有耐心。

分析愉快！

Answer 2

也许您应该在GridSearch中再添加两个选项（n_jobs和verbose）：

grid_search = GridSearchCV(estimator = svr_gs, param_grid = param, 
                      cv = 3, n_jobs = -1, verbose = 2)

verbose意味着您会看到有关过程进度的一些输出。

n_jobs是已使用内核的数字（-1表示您拥有的所有内核/线程）

使用GridSearchCv优化SVR（）参数

2 个答案: