Question

据我了解，一类SVM在没有目标/标签数据的情况下进行了培训。

Use of OneClassSVM with GridSearchCV的一个答案建议，当分类器为itemsInBackpack时，将Target / Label数据传递到GridSearchCV的fit方法。

itemsInBackpack = ["book", "computer", "keys", "travel mug"]方法如何处理此数据？

它是否真的在没有目标/标签数据的情况下训练了OneClassSVM，而只是使用目标/标签数据进行评估？

我尝试遵循GridSearchCV source code，但找不到答案。

Answer 1

它真的训练没有目标/标签数据的OneClassSVM，而只是使用目标/标签数据进行评估吗？

是的。

GridSearchCV does实际上是在fit调用中将标签发送到OneClassSVM，而OneClassSVM只是ignores。注意在第二个链接中，如何将一个数组发送给主SVM训练器，而不是给定的标签数组y。 y中的fit之类的参数仅存在，以便像GridSearchCV这样的元估计器可以以一致的方式工作，而不必担心监督/非监督估计器。

要进行实际测试，首先要使用GridSearchCV检测离群值：

X,y = load_iris(return_X_y=True)
yd = np.where(y==0,-1,1)
cv = KFold(n_splits=4,random_state=42,shuffle=True)
model = GridSearchCV(OneClassSVM(),{'gamma':['scale']},cv=cv,iid=False,scoring=make_scorer(f1_score))
model = model.fit(X,yd)
print(model.cv_results_)

请注意splitx_test_score中的所有cv_results_。

现在让我们手动进行操作，而无需在yd通话期间发送标签fit：

for train,test in cv.split(X,yd):
    clf = OneClassSVM(gamma='scale').fit(X[train])  #Just features
    print(f1_score(yd[test],clf.predict(X[test])))

两个分数都应该完全相同。

将目标/标签数据传递到Scikit学习GridSearchCV的适用于OneClassSVM的fit方法

1 个答案: