腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
在
GridSearchCV
中
如何
/
在
何处
使用
StandardScaler
python
、
machine-learning
、
scikit-learn
、
pipeline
标准化数据而不
使用
管道: kfold = KFold(3, shuffle = True, random_state = 3)y = scaler_std.fit_transform(np.array(y).reshape(-1, 1)) grid.fit(x,y) 将缩放器放入管道
中
:pipe = make_pipeline(
StandardScaler
(), Lin
浏览 12
提问于2021-04-21
得票数 1
1
回答
如何
构建管道,以细粒度的方式找到每列的最佳预处理?
python
、
pandas
、
machine-learning
、
scikit-learn
、
data-preprocessing
在
sklearn
中
,我们可以
使用
管道
中
的列转换器对特定的列应用预处理选项,如下所示:from sklearn.preprocessing import MaxAbsScaler, MinMaxScaler,
StandardScaler
, ...from sklearn.neural_netw
浏览 1
提问于2021-12-02
得票数 0
回答已采纳
1
回答
基于
GridSearchCV
的目标缩放
python
、
python-3.x
、
scikit-learn
、
svm
、
gridsearchcv
对于超参数调优,我
使用
来自package sklearn的函数sklearn。我测试的一些模型需要特征缩放(例如支持向量回归- SVR)。最近,
在
Udemy课程机器学习A-Z™:
中
,教员提到对于SVR,目标也应该进行缩放(如果不是二进制的话)。考虑到这一点,我想知道
在
GridSearchCV
执行的交叉验证过程的每一次迭代
中
,目标是否也是缩放的,或者是否只缩放了这些特性。), params)我知道,我可以简单地事先按比例缩放X和y,然后将<em
浏览 1
提问于2021-04-17
得票数 2
回答已采纳
2
回答
如何
使用
GridSearchCV
测试嵌套流水线
中
的预处理组合?
python
、
machine-learning
、
pipeline
、
logistic-regression
、
grid-search
我一直
在
研究这个分类问题,
使用
sklearn的管道将预处理步骤(scaling)和交叉验证步骤(
GridSearchCV
)结合
使用
Logistic回归。, MinMaxScaler, RobustScaler scaler =
StandardScaler
() # there are
在
尝试了所有这些之后,选择产生最佳度量(即准确性)的缩放方法。但是,我不知道
如何
使用
GridS
浏览 1
提问于2020-09-02
得票数 1
1
回答
GridsearchCV
的预处理
python
、
scikit-learn
、
cross-validation
、
grid-search
、
gridsearchcv
我
使用
GridsearchCV
来调优超参数,现在我想在训练和验证step.But时做一个min Normalization(
StandardScaler
()),我想我不能这样做。问题是: 如果我将预处理步骤应用于整个训练集,并将其发送到
GridsearchCV
进行10 foldCV。这会让我发现数据泄漏对吧?因为训练集将运行10倍,这意味着9倍的训练和1倍的测试折叠。是否有其他方法可以这样做,并且仍然
使用
GridsearchCV
来调优参数?
浏览 2
提问于2019-04-15
得票数 4
回答已采纳
3
回答
通过管道
使用
sklearn的
GridSearchCV
,只需预处理一次
python
、
numpy
、
machine-learning
、
scikit-learn
、
grid-search
我正在
使用
scickit-learn调优一个模型的超参数。我
使用
管道将预处理与估计器链接在一起。LogisticRegression y=np.random.randint(2, size=(10,)))
在
我的例子
中<
浏览 2
提问于2017-04-12
得票数 33
回答已采纳
1
回答
我应该在SMOTE之前还是之后执行GridSearch (用于调整超参数)?
scikit-learn
、
classification
、
grid-search
、
hyperparameters
、
smote
我
使用
不平衡数据通过scikit-learn执行分类并提高模型的准确性,我
使用
SMOTE技术创建了更多的合成数据。我想知道用GridSearch实现超参数优化的最佳时机。我应该只
使用
原始数据还是
使用
original+synthetic数据?
浏览 12
提问于2019-10-30
得票数 0
2
回答
如何
在sklearn管道
中
缩放x和y数据?
machine-learning
、
scikit-learn
我正在尝试
在
sklearn管道
中
缩放X特征数据和Y输出数据。我的代码如下所示,
使用
网格搜索通过交叉验证计算最佳LV数量。kfold = KFold(n_splits = 5, shuffle = False) # Kfold pipeline = Pipeline(steps = [('preprocessor',
StandardScaler
param_grid = {'model__n_components':np.arange(1,10)} # param grid for no
浏览 1
提问于2021-06-03
得票数 0
1
回答
管道和
GridSearchCV
具有自定义的回归函数传递参数?
python
、
machine-learning
、
scikit-learn
我尝试
使用
管道和
GridSearchCV
的自定义回归函数。通过设置sklearn.svm.SVR类,然后
在
设置
GridSearchCV
时从字典
中
传递参数,我获得了
使用
GridSearchCV
的方法。当
使用
我自己的回归函数(RegFn)时,我似乎无法做同样的事情。特别是,
在
设置参数字典时,我希望将这些值从参数字典传递给RegFn。 感谢任何关于
如何
让这件事发挥作用的建议。from sklearn.preprocessi
浏览 0
提问于2018-04-04
得票数 1
回答已采纳
1
回答
在
GridSearchCV
考试
中
,考试的准确度分数高于最佳成绩。
python
、
machine-learning
、
scikit-learn
、
svm
、
grid-search
我
使用
GridSearchCV
在
我的支持向量机模型中找到了最佳的超参数。但是我对进球有点困惑。这是我的网格搜索代码:from sklearn.model_selection import
GridSearchCV
from sklearn.preprocessing import
StandardScaler
from sklearn.pipeline import Pip
浏览 6
提问于2021-08-27
得票数 1
回答已采纳
1
回答
用RFECV和
GridSearchCV
叠加
StandardScaler
()
scikit-learn
、
svm
、
rfe
、
gridsearchcv
因此,我发现
StandardScaler
()可以使我的RFECV
在
我的
GridSearchCV
中
,每一个都在嵌套的3倍交叉验证上运行得更快。没有
StandardScaler
(),我的代码运行了超过2天,所以我取消了,并决定将
StandardScaler
注入到进程
中
。但现在它已经跑了4个多小时了,我不知道我是否做得对。()应该放在
GridSearchCV
()函数
中
,以便使数据每一次规范化,而不仅仅是一次(?)。更新: 因此,我将
浏览 0
提问于2019-01-07
得票数 0
1
回答
基于流水线和cross_val_score的GridSearch嵌套交叉验证的拟合
scikit-learn
、
nested
、
pipeline
、
cross-validation
、
grid-search
我
在
scikit工作,我正在尝试调整我的XGBoost。我尝试
使用
嵌套交叉验证,
使用
管道重新标度训练折叠(以避免数据泄漏和过度拟合),并平行于
GridSearchCV
的param调优和cross_val_score,以得到roc_auc评分在最后。import Pipeline from sklearn.model_selection import
GridSearchCV
outer_clf_auc =
浏览 0
提问于2018-09-02
得票数 4
回答已采纳
2
回答
如果我们
在
管道
中
包括变压器的话,来自scikit-learn's `cross_val_score`和‘`
GridsearchCV
`’的k倍交叉验证分数是否有偏差?
machine-learning
、
scikit-learn
、
pipeline
、
cross-validation
、
grid-search
但是,我找到了cross_val_score和
GridSearchCV
fit_transform --
使用
预处理器的整个火车集(而不是fit_transform inner_train集,并转换inner_validation我相信这是人为地从inner_validation集合
中
删除了方差,这使得cv评分(GridSearch用于选择最佳模型的度量)有偏差。这是个问题还是我真的错过了什么?为了演示上述问题,我
使用
来自Kaggle的乳腺癌威斯康星州诊断数据集,尝试了以下三个简单的测试用例。='l2',
浏览 0
提问于2019-08-26
得票数 7
回答已采纳
1
回答
标准定标器、PCA和lasso管道上的
GridSearchCV
scikit-learn
假设我正在
使用
GridSearchCV
、PCA和Lasso
在
管道上执行
StandardScaler
,其中网格搜索的PCA参数超过2个值,Lasso参数超过3个值(因此,有6个可能的参数组合)。
在
进行CV时,对于给定的折叠,该算法是否只标准化该折叠
中
的训练集(即不包括该折叠的用于确定标准化器均值/方差的测试集),还是对折叠外的整个数据集进行标准化(在这种情况下,对整个网格搜索过程只进行一次标准化
浏览 2
提问于2014-06-03
得票数 1
回答已采纳
2
回答
管道C参数误差
machine-learning
、
classification
、
logistic-regression
、
multiclass-classification
我试图为我的数据集构建一个分类器,我在一起
使用
我的
gridsearchCV
和管道时遇到了问题。from sklearn.model_selection import train_test_split, cross_val_score,
GridSearchCV
'solver': ['newton-cg', 'lbfgs', 'liblinear',
浏览 0
提问于2019-01-14
得票数 2
2
回答
使用
管道和
GridsearchCV
绘制最佳决策树
python
、
scikit-learn
、
pipeline
、
gridsearchcv
我有一个
使用
决策树作为估计器的
GridsearchCV
有一些关于堆栈溢出的回复,但没有一个考虑
在
GridsearchCV
中
使用
管道from sklearn.tree import DecisionTreeRegressor, plot_tree from sklearn.pipelin
浏览 25
提问于2021-06-18
得票数 0
1
回答
(去尺度/规范化Keras模型
中
的输入和输出数据作为层)
keras
、
cross-validation
、
normalization
、
feature-scaling
、
mlp
我正在构建一个
使用
Keras的2隐藏层MLP。我
使用
SciKit学习包装器来
使用
GridSearchCV
功能。我的样本大小是有限的,迫使我
使用
K-折叠验证以及值得信赖的结果。然而,我的理解是,对于K折叠验证
中
的每一次迭代,输入数据应该只
使用
训练数据进行缩放(并减少输出)。这需要在Keras模型
中
执行缩放。
使用
在1
中
找到的缩放参数,将输出层转换回(
在
计算度量之前)。我已经看过Keras
中</e
浏览 0
提问于2020-05-01
得票数 0
回答已采纳
2
回答
GridSearchCV
-跨测试访问预测值?
python
、
scikit-learn
、
svm
、
grid-search
是否有一种方法可以访问
在
GridSearchCV
进程中计算出来的预测值? ypred = grid.predict(xv)from sklearn.model_selection import
GridSearchCV
,
浏览 0
提问于2018-04-03
得票数 6
回答已采纳
1
回答
GridSearchCV
和ValueError:估计管道的无效参数α
python
、
parameters
、
gridsearchcv
我想把
StandardScaler
和
GridSearchCV
结合起来,找出Ridge回归模型的最佳参数。会引发ValueError(估计器%s的无效参数%s )。ValueError:用于估值器管道的无效参数α(memory=None,steps=(“标准标量器”,
StandardScaler
(copy=True,with_mean=True,with_std=
使用
estimator.get_params().keys()检查可用参数列表 有谁可以帮我?pip=make_pipeline(
浏览 2
提问于2020-04-27
得票数 2
回答已采纳
1
回答
StandardScaler
与make_pipeline
machine-learning
、
scikit-learn
、
svm
、
normalization
、
pca
如果我
使用
make_pipeline,是否仍然需要
使用
fit和transform函数来适应我的模型和转换,或者它将自己执行这些函数?from sklearn.model_selection import cross_val_score
浏览 2
提问于2018-04-21
得票数 1
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
在Spring MVC中如何处理中文乱码问题
在HTML中如何使用CSS?
在英国,闲置物品如何处理?
在SCRUM敏捷开发中如何使用看板?
电销的封号问题该如何处理?解决方法在文章中
热门
标签
更多标签
活动推荐
运营活动
广告
关闭
领券