Question

首先，我尝试使用带有预先计算内核的scikit-learn的Kernel PCA对 n_samples x 53 数据执行降维。当我最初尝试使用50个样本时，该代码可以正常工作。但是，当我将样本数量增加到100个时，突然收到以下消息。

Process finished with exit code -1073740940 (0xC0000374)

这是我想做什么的细节：

我想在我的内核PCA函数中获得内核函数超参数的最佳值，如下所示。

from sklearn.decomposition.kernel_pca import KernelPCA as drm
from somewhere import costfunction
from somewhere_else import customkernel

def kpcafun(w,X):
    # X is sample
    # w is hyperparam

    n_princomp = 2
    drmodel = drm(n_princomp,kernel='precomputed')
    k_matrix = customkernel (X,X,w)
    transformed_x = drmodel.fit_transform(k_matrix)
    cost = costfunction(transformed_x)

    return cost

因此，为了优化超参数，我使用了以下代码。

from scipy.optimize import minimize

# assume that wstart and optimbound are already defined
res = minimize(kpcafun, wstart, method='L-BFGS-B', bounds=optimbound, args=(X))

奇怪的是，当我尝试调试优化过程的前10个迭代时，没有发生任何奇怪的事情，所有变量值似乎都是正常的。但是，当我关闭断点并让程序继续运行时，消息出现了，没有任何错误通知。

有人知道我的代码有什么问题吗？还是有人有一些技巧来解决这样的问题？

谢谢

使用Scikit-learn KernelPCA

0 个答案: