我正在尝试使用GridSearchCV调优参数，但一直遇到此错误消息 ValueError: Invalid parameter decisiontreeclassifier for estimator
浏览 240提问于2019-05-30得票数 0
回答已采纳
这是一个关于为XGBClassifier()调整超参数的通用问题，我使用了gridsearch，但是由于我的训练集是围绕着2,00,000的，这需要花费大量的时间来加热我的笔记本电脑。我需要代码，以有效地调整我的分类器的参数，以获得最佳性能。
浏览 0提问于2017-06-09得票数 0
回答已采纳
1回答
分类器超参数间的相关性
、、、、
我想知道两个不同的分类器的超参数之间是否存在某种相关性。例如:假设我们在具有最佳超参数的数据集上运行LogisticRegression (通过GridSearch查找)，并希望在同一数据集上运行另一个分类器，如SVC (SVM分类器)，但与其使用GridSearch查找所有超参数，不如修正某些值(或缩小范围以限制对GridSearch的搜索空间)吗？作为一项实验
浏览 4提问于2017-09-16得票数 4
回答已采纳
我目前正在尝试通过GridSearch进行超参数调优，这是一个由DecisionTreeclassifiers和BaggingClassifier组合而成的集成模型。我希望能够通过以下参数正确地进行Gridsearch： 分类器： 'classifier__class_weight': ['balanced'],
'classifier__criterion': [n_estimators = 100, max_features
浏览 25提问于2021-11-12得票数 1
1回答
决策树的剪枝与参数约简
、、、
我试图使用决策树分类器来执行分类。我想知道使用特征约简方法是否与决策树相关，因为它们会自动地使用剪枝？我的想法是从5到15参数进行一个循环，然后比较每个决策树的分类精度，然后得出我分类的最优参数数。
谢谢。
浏览 0提问于2016-06-24得票数 1
回答已采纳
现在，我希望使用返回的best_params作为分类器的参数，如：。params in param_grid: print (svc_clf)
这里的参数似乎不是网格
浏览 0提问于2018-11-03得票数 0
回答已采纳
1回答
使用支持向量机的径向基函数核有两个参数:C和γ。对于一个问题，事先不知道哪个C和γ是最好的，因此必须进行某种类型的模型选择(参数搜索)。其目标是识别良好(C;γ)，以便分类器能够准确地预测未知数据(即测试数据)。weka.classifiers.meta.GridSearch是一个元分类器，用于调整一对参数.然而，它似乎需要很长时间才能完成(当数据集相当大时)。γ> 0是一个控制高斯宽度的参数
浏览 5提问于2010-03-10得票数 4
1回答
我想对xgboost型分类器执行超参数调优。当我使用特定的超参数值时，我看到一些错误。请建议调整max_feature、criterion、loss等超参数的正确方法 def xgb_grid_search(X,y,nfolds): } xgb_model=xgb.XGBClas
浏览 13提问于2021-07-27得票数 0
回答已采纳
为了在我的分类器中找到最好的参数，我正在使用scikit学习和GridSearch。我有一张不同超参数的地图，我想打印GridSearch结果，但我不明白一件事-- mean_test_score和mean_train_score之间有什么区别？据我所知，GridSearch执行交叉验证是为了找到最好的分类器，但是这两个参数之间有什么不同呢？我一直认为交叉验证只给出了一个平均值，即使用</e
浏览 0提问于2018-05-06得票数 1
回答已采纳
1回答
我必须使用梯度引导决策树在Python中构建一个分类模型，并获得模型参数(节点处的值)以在硬件上实现。据我所知，梯度增强决策树的最终结果是一个具有阈值的普通决策树分类器，用于对输入数据进行分类。我读过以下文章：
model.estimators_包含模型所包含的所有单个分类器。在建立梯度决策树分类器的过程中，给出了作为估计
浏览 0提问于2019-04-23得票数 0
回答已采纳
1回答
我有一个数据集，我想在其中执行一个分类模型，所以我决定使用随机森林。我拥有的功能数量大约是200个，我想测试哪些功能集给我一个更好的结果。为了进行实验，我不想使用任何特性重要性方法。我正在使用GridSearch来调整我的射频的超参数。我要问的问题是，如果我想比较每种模型(有20个特性、40个等等)的准确性，那么将GridSearch应用于每一个特征子集是公平的。或者我应该只执行一次Gridsearch，比方说使用2
浏览 0提问于2020-01-26得票数 5
回答已采纳
1回答
我必须解决python中的多类分类问题。n_estimators: [1,50,100,150]algorithm为什么超过一个估计器我无法
浏览 1提问于2020-07-12得票数 0
我有一个二进制分类问题，类比较均衡(57%-43%)，使用随机森林分类器的GridSearch获得了最佳的超参数，并应用该模型进行了训练和测试。现在我在火车上有99%的准确度，在测试中有96%。要知道，这是我GridSearch的GridSearch'max_depth' :[5, 8, 15,
浏览 0提问于2022-12-27得票数 2
在我第一次尝试完成这个任务时，我尝试使用sklearn的RandomForestClassifier来预测标签，但是模型过于贴切，测试的准确性也很差。那么，为什么RandomForestRegressor在二进制分类问题上表现得更好呢？
浏览 2提问于2020-01-06得票数 0
回答已采纳
希望使用决策树算法。但遇到一些错误，因为ValueError:无法将字符串转换为浮点型：'f‘。请帮帮我，我遗漏了哪里。
浏览 16提问于2019-07-21得票数 0
1回答
问题是:当我使用GridSearch进行fit时，我需要做一些事情来进行交叉验证过程？1.-我可以设置一个记分函数(但不太清楚该如何做，至少对我来说是这样)对于我传递的数据，GridSearch到底是怎么做的？，所有的数据都在列车中使用，或者在火车和测试数据中被分割？PD:看来我的分类器有过度拟合，因为有一个100
浏览 4提问于2017-02-02得票数 0
回答已采纳
我有一个高度不平衡的数据集(±5%的正实例)，为此我正在训练二进制分类器。我使用嵌套的5倍交叉验证和网格搜索来进行超参数调整。
我想避免过采样，所以我一直在研究class_weight超参数。对于sklearn的决策树分类器，这是非常好的工作，很容易给出一个超参数。然而，据我所知，这并不是sklearn的神经网络(多层感知器)的一个选择。我一直在使用Keras，我可以将class_
浏览 0提问于2019-02-07得票数 1
我试图使用GridSearchCV来评估具有不同参数集的不同模型。Logistic回归和k-NN不引起问题，但当n_jobs=-1时，决策树、随机森林和其他一些类型的分类器不起作用。multiprocessing as mp; mp.set_start_method('forkserver', force=True) // 'spawn' has also failed
/// Gridsearch<
浏览 6提问于2020-03-17得票数 3
我正在使用sklearn的GridSearch来优化分类器的参数。因为有大量的数据，所以整个优化过程需要一段时间:超过一天。我想要观察已经尝试过的参数组合在执行过程中的性能。有可能吗？
浏览 2提问于2014-06-09得票数 104
回答已采纳
基本上，我在C++ (OpenCV)中有以下内容：boost.train(&cvml, CvBoostParams(CvBoost::REAL, 1000, 0, 1, false, 0), false);bdt = AdaBoostClassifier(DecisionTreeClassifier(max_depth=1),
浏览 39提问于2017-01-19得票数 0
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
