Sklearn MLP分类器超参数优化(RandomizedSearchCV)

文章/答案/技术大牛

发布

1回答

python、machine-learning、scikit-learn、hyperparameters

我设置了以下参数： 'hidden_layer_sizes': [(sp_randint(100,600),sp_randint(100,600),),: stats.uniform(0.0001, 0.9),除hidden_layer_sizes之外的所有参数都按预期工作但是，拟合此RandomizedSearchCV模

浏览 17提问于2018-08-27得票数 3

回答已采纳

2回答

基于RandomizedSearchCV的scikit学习超参数的条件优化

python、scikit-learn、hyperparameters

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“。但是，对于"poly“核，我还想优化第四个超参数”度“(多项式核函数的索引)。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<

浏览 6提问于2019-09-30得票数 2

回答已采纳

4回答

如何使用Keras模型？

python、machine-learning、keras、pickle

然而，我对酸洗Keras模型的需求源于使用sklearn的RandomizedSearchCV (或任何其他超参数优化器)进行的超参数优化。从本质上讲，我想：pickle.dump( trial_search,

浏览 20提问于2018-01-17得票数 20

1回答

Sklearn MLP分类器隐层优化(RandomizedSearchCV)

python、machine-learning、scikit-learn、hyperparameters

我设置了以下参数： 'hidden_layer_sizes': [(sp_randint.rvs(100,600,1),sp_randint.rvs(100,600,1: stats.uniform(0.0001, 0.9),除hidden_layer_sizes之外的所有参数都按预期工作有没有办法在RandomizedSearch

浏览 0提问于2018-08-27得票数 1

2回答

使用特定于深度学习的超参数优化工具相对于sklearn的好处？

python、deep-learning、keras、hyperparameter、hyperparameter-tuning

有许多用于超参数优化的库是针对Keras或其他深度学习库(如金丝或塔罗斯 )的。我的问题是，与sklearn.model_selection.GridSearchCV()或sklearn.model_selection.RandomizedSearchCV相比，使用这些库的主要好处是什么

浏览 0提问于2018-07-22得票数 4

1回答

在learning_rate中定义日志统一的RandomizedSearchCV参数

python、machine-learning、scikit-learn、hyperparameters

我正在进行超参数调优，我使用scikit-optimize进行贝叶斯优化，使用RandomizedSearchCV进行随机搜索。在sci优化中，我可以轻松地定义learning_rate，如下所示： ...我如何使用

浏览 0提问于2018-04-24得票数 0

回答已采纳

1回答

随机搜索的优化目标是什么？

optimization、hyperparameter-tuning、randomized-algorithms

最近，我了解了随机搜索(或者sklearn.model_selection.RandomizedSearchCV中的Python)，并思考了优化过程背后的理论。特别是我的问题是，考虑到对某个算法(例如随机森林)执行随机搜索，基于什么是最佳的超参数？更具体地说，从什么意义上说，它们是模型的“最佳”超参数？他们是否最大限度地提高了模型的准确性？如果不是，优化的(性能-)标准是什么？还是熵/基尼？

浏览 0提问于2020-05-01得票数 0

回答已采纳

2回答

如何将随机林分类器应用于未标记的数据集？

python、scikit-learn、classification、random-forest

使用sklearn，我刚刚完成了训练，调优超参数和测试一个随机森林多类分类器使用RandomizedSearchCV。我得到了最好的参数，最好的分数等等。所有这些都是用标签数据集完成的。现在，我想将这个分类器应用到一个没有标签的数据集上(这意味着只有特性而没有类)来进行类/标签预测。我还没试过什么，因为我被卡住了。

浏览 12提问于2022-11-29得票数 -2

2回答

如何调整MLP分类器的超参数以获得更好的性能

scikit-learn、hyperparameter-tuning、mlp

我刚接触到多层感知器。在用MLP对DEAP数据进行分类时，我得到了这样的精度。然而，我不知道如何调整超参数以改善结果。📷import scipy.ioDEAP_y_train_A = y_vals_Arousal[:-256] ###

浏览 0提问于2018-07-26得票数 21

回答已采纳

2回答

如何将Keras模型插入到scikit-learn管道中？

machine-learning、scikit-learn、pipeline、keras、hyperparameters

我正在结合RandomizedSearchCV使用Scikit-Learn自定义管道(sklearn.pipeline.Pipeline)进行超参数优化。这很好用。模型的参数应进行优化。计算(拟合)的Keras模型应该在以后通过其他步骤在管道中使用，所以我认为我必须将该模型存储为全局变量，以便其他管道步骤可以使用它。是这样的吗？我知道Keras为Scikit-Learn API提供了一些包装器，但问题是这些包装器已经进行了分类

浏览 0提问于2017-02-23得票数 41

回答已采纳

1回答

在MLP比赛中提前停止比赛的目的是什么？

python、scikit-learn

我正试图通过使用RandomizedSearch CV和GridSearchCV来调整参数，为我的MLP回归器寻找最佳参数。我的问题是，我应该把early_stopping标记为真还是假?为什么？from sklearn.neural_network import MLPRegressor from sklearn.model_selection import RandomizedSearchCVmlp = MLPRegressor(random_st

浏览 4提问于2022-07-19得票数 1

1回答

用于RandomForestClassifier的scaling sklearn

python、scikit-learn、random-forest、hpc

仅训练这个分类器就运行得相当快，使用机器上的所有核，并使用~93 on：rfc = sklearn.ensemble.RandomForestCla

浏览 0提问于2019-03-27得票数 3

回答已采纳

1回答

使用make_scorer创建真阳性的度量

python、decision-tree、metrics

我正在尝试创建一个度量来优化决策树分类器中正面类的True Positives的精度： average="binary")random_search = RandomizedSearchCVp

浏览 0提问于2018-09-19得票数 0

1回答

如何将参数绑定到scikit-learn管道中？

scikit-learn、keras

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

浏览 0提问于2018-02-19得票数 3

回答已采纳

1回答

将RandomizedSearchCV指向一个分类器

python、scikit-learn、data-science

我正在使用下面的工作流程来训练一个随机的森林分类器供生产使用。我使用RandomizedSearchCV来调整分类器的参数，方法是打印结果，然后使用RandomizedSearchCV的结果创建一个新的管道。我假设必须有一种方法来简单地将RandomizedSearchCV的最佳结果指向分类器，这样我就不必手动地去做了，但是我不知道怎么做。select = sklearn.feature_selec

浏览 2提问于2016-04-08得票数 0

回答已采纳

1回答

在多标签分类中将参数传递给较低级别的XGBoost估计器

python、scikit-learn、xgboost、multilabel-classification、hyperparameters

我有一个多标签分类问题，我想要为每个标签(总共4个)训练一个XGBoost模型；然后，由于sklearn.multioutput.MultiOutputClassifier ()，我组合了四个XGBoost另外，多亏了RandomizedSearchCV，我想对XGBoost的超参数执行一个随机搜索。from sklearn.model_selection import train_test_spli

浏览 23提问于2020-05-22得票数 0

回答已采纳

1回答

不带交叉验证的GridSearchCV CV =1

deep-learning、hyperparameters、gridsearchcv

我需要在没有拆分训练集的情况下为MLPRegressor进行超参数调整。平均cv = 1。这在GridSearchCV中是可能的吗？

浏览 0提问于2020-06-26得票数 0

1回答

在做了GridSearch之后，为什么我得到的结果不太准确？

python、scikit-learn

问题是，对于随机搜索(隐藏层18、18、18 (R^2= 0.90))所建议的最佳参数，我的R^2要好于网格搜索(隐藏层17、17、17 (R^2= 0.89) )，为什么呢？from sklearn.neural_network import MLPRegressor 'early_stopping': [False],

浏览 9提问于2022-07-18得票数 1

回答已采纳

1回答

RandomizedSearchCV使用相同的random_state给出不同的结果

python、machine-learning、scikit-learn、random-seed、grid-search

我使用管道来执行特征选择和使用RandomizedSearchCV进行超参数优化。以下是代码的摘要：from sklearn.ensemble import RandomForestClassifierfrom sklearn.feature_selection import SelectKBest from sklearn.grid_sear

浏览 1提问于2017-01-06得票数 5

回答已采纳

1回答

如何从火花放电的MLP管道模型中获得最佳的超参数？

python、pyspark、apache-spark-ml

我正在使用来自pyspark.ml.classification.的MLP分类器。我正在使用交叉验证(即ParamGrid方法)将我的MLP模型拟合到数据集。我正在使用ParamGrid方法迭代几个超参数。在此之后，我将使用交叉验证类进行培训，并获得最佳的超参数。经过训练，当我试图从交叉验证对象访问最好的超参数时，我会得到一个错误。有人能告诉我如何得到最好的超参数吗？py4j.Ga

浏览 0提问于2018-11-06得票数 1

回答已采纳

点击加载更多