我正在尝试运行scikit-learn
工具GridSearchCV
,但是以下代码
from sklearn.ensemble import AdaBoostRegressor
from sklearn.datasets import make_regression
from sklearn.model_selection import GridSearchCV
X, y = make_regression(
n_features=5, n_informative=3, n_samples=200)
params = {'n_estimators': range(1, 100),
'learning_rate': [.01, .1, .2, .5, .7, .9, .99, 1]}
optRegressor = GridSearchCV(
AdaBoostRegressor(), params,
scoring = 'accuracy', cv = 5, n_jobs = -1, verbose=3)
optRegressor.fit(X, y)
返回
ValueError: continuous is not supported
This question也有类似的问题,但答案是将熊猫数据帧转换为numpy数组。我已经在使用numpy数组,因此这并不适用。
this other question中的问题与所使用的分数有关。但是documentation指出,关于scoring
参数
如果为“无”,则使用估算器的评分方法。
因此,在这种情况下,默认情况下,使用的评分方法应为AdaBoostRegressor.score
。这种评分方法显然是回归评分,因此解决方案也不起作用。
如何在此示例上运行GridSearchCV?