我正在尝试使用Sklearn RandomizedSearchCV调优LightGBMRegressor参数。我收到一个错误，消息如下。错误：我不知道是什么原因和具体的参数导致了这个错误。下面的params_dist是否不适用
浏览 239提问于2018-03-06得票数 1
回答已采纳
假设我创建了一个类似于这样的RandomizedSearchCV：
searcher = model_selection.RandomizedSearchCV(estimator = RandomForestClassifier对我来说，非常重要的是要知道，作为这20种组合的一部分，或者除了这20种组合之外，默认的模型参数也包括在内。有人知道这是真的吗？
浏览 4提问于2020-04-29得票数 0
回答已采纳
我希望在sklearn中使用RandomizedSearchCV为我的数据集上的支持向量分类器搜索最优的超参数值。我正在优化的超参数是“内核”、"C“和”伽马“。我意识到，由于在内核不是"poly“时忽略了度数超参数，所以我只需在我提供给RandomizedSearchCV的params字典中包含程度(正如我在下面的代码中所做的那样)。因此，我想知道是否可以有条件地引入一个用于调优的超参数，即如果
浏览 6提问于2019-09-30得票数 2
回答已采纳
我正在尝试使用RandomizedSearchCV实现ImageDataGenerators。这里有一个用于火车组的发电机的例子： target_size=(image_shape[0])来优化我的模型，因此我使用了SciKeras：
rnd_s
浏览 2提问于2022-06-16得票数 2
回答已采纳
我想在拟合后打印RandomizedSearchCV的属性best_estimator。但有些地方弄错了。下面是我的主要代码： 'mi
浏览 97提问于2020-05-19得票数 1
我有一个pipeline对象，它的超参数我想要使用RandomizedSearchCV进行优化，但是我需要绑定两个参数，也就是说，如果一个参数被设置为一个值，另一个参数将自动设置为相同的值。这里是我的具体案例:我链接一个PCA，它降低到nbFeature维数，一个Keras分类器，它需要它的输入模糊nbFeature被解释。显然，当两者不匹配时，这一点就失败了。参见下面的玩具示例：import numpy as np
from sklearn.pipe
浏览 0提问于2018-02-19得票数 3
回答已采纳
这是我使用的代码：from sklearn.pipeline import Pipelinepipeline = Pipeline([from sklearn.model_se
浏览 4提问于2022-03-26得票数 2
有没有一种方法可以得到每个拆分的系数值，就像我们使用cv_results函数获得分数一样？
浏览 9提问于2021-06-15得票数 0
我制作了一个FunctionTransformer，将我的iForest过滤器包括在管道中。我还为iForest过滤器定义了一个参数网格(使用kw_args方法)。一切看起来都还好，但是当你不适应的时候，什么都不会发生.没有错误信息。没什么。
#Definition of the function
浏览 0提问于2019-08-12得票数 1
回答已采纳
TL;DR:给出了epochs的数量、要使用的params集以及测试集的检查，RandomizedSearchCV是如何训练模型的？当使用不断验证集的“香草”训练时，在每个时代的keras对验证集进行检查之后，在这里也完成了吗？即使是verbose=1，我也看不出剩下的折页上的分数。我看到了，我们可以将callbacks添加到KerasClassifier中，但是，如果KerasClassifier
浏览 3提问于2022-06-11得票数 0
我一直在为我的程序失败而痛苦，因为sklearn中LinearSVC的不同无效的hyperparams组合。文档没有详细说明哪些超参数协同工作，哪些不协同工作。我正在随机搜索hyperparams以优化它们，但函数总是失败，并出现关于不兼容组合的错误。 "dual": duals
浏览 2提问于2019-11-04得票数 1
2回答
Python: 3.6关于兰登森林和眼前的问题，我几乎没有什么问题： X_train, X_test, y_train, y_test = train_test_splitvalidation,
# search across 100 different combinations, and
浏览 5提问于2020-05-31得票数 4
回答已采纳
1回答
from sklearn.model_selection import RandomizedSearchCV, GridSearchCV1041 82966 02115 1运行上述
浏览 0提问于2018-04-26得票数 1
回答已采纳
当我使用sklearn RandomizedSearchCV拟合模型时，我试图限制CPU的使用数量，但不知怎么的，我一直在使用所有CPU。在给出的答案之后，我看到在scikit学习中，我们可以使用n_jobs来控制所使用的CPU核心的数量。
from sklearn.model_selection import Randomize
浏览 7提问于2022-02-19得票数 2
回答已采纳
1回答
我已经成功地编写了一些代码，使用lightGBM作为我的回归器并使用sklearn.pipeline进行嵌套交叉验证。我想有两种可能性：import numpy as npimport lightgbm as lgb
from sklearn.model_selectio
浏览 1提问于2019-08-05得票数 1
因此，在检查了XGB的错误图之后，我决定从sklearn中选择RandomizedSearchCV()，以便对XGB分类器进行参数调整。基于stackexchange上的另一个答案，这是我的代码：from sklearn.model_selection importRandomizedSearchCV, StratifiedKFoldclf_xgb =
浏览 4提问于2020-01-29得票数 1
还有其他几个类似的问题，但我找不到一个合适的解决方案。我正在使用带有Scikit-Optimize BayesSearchCV的LightGBM。File "/usr/local/lib/python3.6/site-packages/lightgbm/basic.py", line 55, in _safe_call
raise LightGBMError(decode_string(_LIB.LGBM_GetLastErr
浏览 397提问于2021-01-15得票数 3
回答已采纳
1回答
我是Python的初学者。我试图调整我的MLP模型如下。我有以下问题：2)在运行代码之后，在给出最佳参数之前，它一直给我以粉红色的长警告，这个警告是什么？(我提供了下面模型的输出)。
3)“隐藏层的大小”：(100，)，(50,100，)，(50,75,100 )，我不确定这一行代码中隐藏层的数目和中子数，我需要改变这些数字吗？我有9个输入和19个输出，如果我需要改变这些数字，那么最好的隐藏层和
浏览 2提问于2022-07-11得票数 1
我目前正在使用RandomizedSearchCV来优化我的超参数。然而，每一次迭代的报告分数都很低。当我评估得分最高的候选人时，我的准确率很高(0.97)，而RandomizedSearchCV报告的分数要低得多(0.32)。为验证数据提供较低的样本。输入功能前两个是标准化的，最后一个是热编码。230个节点的</
浏览 0提问于2021-02-10得票数 1
回答已采纳
XGBoost在cpu和gpu上都能很好地工作，但是一旦我为超参数调优添加了scikit的随机化soon，它就失败了。系统: Ubuntu 20 环境:使用python 3.7的conda虚拟环境 xgboost : conda install -c anaconda py-xgboost-gpu 代码： from sklearn.model_selectionimport cross_val_score, RandomizedSearchCV, train_test_split
import xgboo
浏览 48提问于2020-12-06得票数 1
回答已采纳
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
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
