1回答
在这个中提到了 tree = GridSearchCV(DecisionTreeClassifier():, 1]Q1:一旦我们执行了上述步骤并获得了最佳参数，我们就需要用所有数据(训练+验证)和学习到的参数来拟合一棵树如何访问这些资源来构建一棵好的树呢？
浏览 2提问于2020-06-03得票数 0
在对一个GridSearchCV分类器执行Randomforest之后，我试图显示一个树图。我尝试了下面的代码，但是我得到了这个错误：你能告诉我如何纠正这个错误并查看树吗下面是分类器中的代码：
paramet
浏览 6提问于2022-06-28得票数 0
回答已采纳
我试图对kaggle的泰坦尼克数据集的决策树分类器进行交叉验证。清理数据后的第一步是将数据分割成火车和测试设备：x_train, x_test, y_train：from sklearn.model_selection import GridSearchCV
tree_param = [{'criterion': ['entro
浏览 0提问于2020-02-18得票数 1
回答已采纳
我使用来自RandomForestClassifier的sklearn执行拟合操作我不知道如何更改评估指标，我假设它在这里是精确的。clf.fit(X_train, y_train, eval_metric="auc", eval_set=[(X_eval, y_eval)])
浏览 5提问于2016-03-12得票数 6
回答已采纳
我使用GridSearchCV和管道对一些文本文档进行分类。kernel' : ['rbf'], 'clf__C' : [100], 'clf__gamma' : [0.01], 'clf__probability' : [True]}
grid_search = GridSearchCV，当使用grid_serach.predict_proba(new_doc)，然后想找出概率与grid_search.classes_对应的类时，
浏览 8提问于2015-07-20得票数 4
回答已采纳
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。classifier, paramSet, classifierName in zip(list_classifiers, list_paramSets, list_clfNames):
gs = GridSearchCVfrom sklearn.externals.joblib i
浏览 6提问于2020-03-17得票数 3
我使用管道和GridSearchCV自动选择功能。由于数据集很小，所以我将GridSearchCV中的参数'cv‘设置为StratifiedShuffleSplit。("select", selection), ("classify", clf)])
grid_search
浏览 6提问于2016-12-10得票数 0
回答已采纳
然后是一个预测阶段，它涉及到对转换的数据集进行训练并返回其预测值的预测器。我试过我的代码，但没成功。SVR可能是这个管道的一部分，但是其他的转换器也是如此，它们没有一个predict()函数。
提前感谢您的回答！
浏览 3提问于2021-04-04得票数 0
回答已采纳
我想要做的是导出一个分类器，它的参数相对于给定的度量(例如回忆分数)是最优的，但也是经过校准的(在predict_proba方法的输出可以直接解释为一个置信度的意义上，参见)。使用sklearn和CalibratedClassifierCV (即通过GridSearchCV安装分类器，然后将GridSearchCV输出传递给CalibratedClassifierCV对象)是否有意义如果我是正确的，CalibratedClassifierCV对象将适合给定的估计
浏览 1提问于2020-02-17得票数 7
回答已采纳
我试图使用GridSearchCV实现决策树分类器。在实现之后，我试图访问cv_results_.mean_train_score，但是我得到了关键错误。split(X_train) gsearch_cv = GridSearchCV
浏览 0提问于2019-06-02得票数 2
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_weight应用于gridsearchCV，但不能应用于cross_va
浏览 0提问于2019-02-07得票数 1
我试图使用sklearn.grid_search.GridSearchCV在Iris数据集上获得决策树分类器的最佳特性。但是在每次执行GridSearchCV时，它都返回一组不同的参数。from sklearn.tree import DecisionTreeClassifier
from sklearn.grid_search import GridSearchCVmax_featu
浏览 6提问于2017-03-23得票数 5
我正在创建一个GridSearchCV分类器，作为 ('vect', TfidfVectorizer(stop_words='english',sublinear_tf=True)), ])
gridSearchClassifier = GridSearchCV但是，现在我想重新训练分类
浏览 6提问于2015-12-31得票数 5
回答已采纳
2回答
我正在上机器学习课，我们现在用的是监督学习，从决策树开始。我使用的UCI信用卡数据集(是否某些人会拖欠他们的付款，因为过去的历史)。基于这个图和一些谷歌搜索，我相信正确的解释方法是这个数据集有很高的偏差，没有任何变化，没有真正的学习。或者，换句话说，对于这个数据集，决策树不是一个很好的算法，因为似乎并没有真正的权衡。假定GridSearchCV返回理想的max_depth为5，min_samples_leaf为19 (编辑:更正的数字)。
浏览 0提问于2019-09-18得票数 4
回答已采纳
1回答
假设我正在处理一个多类分类问题(具有N类)，并且我想使用支持向量机作为分类方法。clf.fit(X, y)
我的疑问如下:上面的代码根据策略搜索所有N(N-1)/2或N分类<e
浏览 19提问于2021-01-05得票数 2
1回答
我正在研究一个多类分类问题，比较支持向量机和随机森林分类器的结果。我想使用gridsearchCV进行超参数优化，并发现AUC是解决这类问题的最常用的度量标准。有什么方法可以在gridsearchCV中使用AUC来处理多类问题？
浏览 0提问于2020-04-04得票数 1
回答已采纳
虽然我理解潜在的好处，尤其是与GridSearchCV的结合，但我不知道为什么总是这样使用它(至少从我理解它的方式来看)：
我不确定这是否正确，但从我的角度来看，这似乎会导致之前的步骤分类器多次运行，即使它们总是与相同的参数一起使用。
浏览 1提问于2020-02-06得票数 0
我用OneVsRestClassifier和SVC处理多标签分类，from sklearn.multiclass它是L分类器中最好的还是平均的？同样，这组参数是否代表L分类器中最好的得分者？第二个问题
基于这样一个事实，如果我是对的，OneVsRestClassifier实际上为每个标签构建了L分类器，人们可以期望访问或观察每个标签
浏览 5提问于2015-11-18得票数 7
回答已采纳
1回答
两种模型使用管道
、、
我试图使用管道，以实现两个分类器在一起。X_test, y_train, y_test = train_test_split(X, y.values.ravel(),cv = GridSearchCVparam_grid=parameters)y_pred = cv.predict(X_test)
当我使用Knn方法时，管道工作得很好，但是当我使用决策树分类器时_clas
浏览 5提问于2022-08-25得票数 0
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
