scikit中的sample_weight参数形状错误-学习GridSearchCV
scikit-learn是一个流行的机器学习库，而sample_weight参数是用于指定样本权重的参数。在使用GridSearchCV进行网格搜索时，有时会遇到sample_weight参数形状错误的问题。
首先，让我们来了解一下sample_weight参数的概念。在机器学习中，样本权重是用于调整每个样本对模型训练的贡献度的值。它可以用于处理不平衡数据集，或者对某些样本赋予更高的重要性。sample_weight参数是一个数组，其长度应与训练数据的样本数量相同，每个元素表示相应样本的权重。
当在GridSearchCV中使用sample_weight参数时，需要注意以下几点：
- 参数形状错误：这个错误通常发生在sample_weight参数的形状与训练数据的样本数量不匹配时。解决这个问题的方法是确保sample_weight参数的长度与训练数据的样本数量相同。
- 样本权重的计算：在使用sample_weight参数之前，需要确定如何计算样本权重。常见的方法包括根据样本类别的分布来赋予不同的权重，或者根据样本的重要性手动指定权重。
- 适用场景：sample_weight参数适用于监督学习算法，如分类和回归。它可以用于解决数据不平衡问题，或者对某些样本赋予更高的重要性。
对于scikit-learn库中的GridSearchCV，它是一个用于自动化调参的工具，可以通过交叉验证来选择最佳的模型超参数。在使用GridSearchCV时，可以通过设置param_grid参数来指定要搜索的参数空间，同时可以通过设置scoring参数来指定评估指标。如果要在GridSearchCV中使用sample_weight参数，需要将其作为一个字典传递给fit方法的参数grid_search.fit(X, y, sample_weight=weights)，其中X是训练数据，y是目标变量，weights是样本权重。
腾讯云提供了一系列与机器学习和云计算相关的产品，可以帮助用户进行模型训练和部署。其中，腾讯云的人工智能平台AI Lab提供了丰富的机器学习工具和资源，可以帮助用户进行模型训练和调优。您可以通过访问腾讯云AI Lab的官方网站（https://cloud.tencent.com/product/ai-lab）了解更多相关信息。
总结起来，当在scikit-learn的GridSearchCV中遇到sample_weight参数形状错误的问题时，需要确保sample_weight参数的长度与训练数据的样本数量相同，并且了解如何计算样本权重。腾讯云的AI Lab平台提供了丰富的机器学习工具和资源，可以帮助用户进行模型训练和调优。
相关·内容
是否有可能执行一个GridSearchCV (以获得最佳支持向量机的C)，但却指定sample_weight与科学工具包-学习？
下面是我的代码和我面临的错误：
gs = GridSearchCV(
svm.SVC(C=1),
[{
'kernel': ['linear'],
'C': [.1, 1, 10],
'probability': [True],
'sample_weight': sw_train,
}]
)
gs.
浏览 6提问于2012-10-24得票数 16
将sample_weight参数传递给GridSearchCV会因形状不正确而引发错误。我怀疑交叉验证不能相应地处理数据集的sample_weights拆分。
第一部分:使用sample_weight作为模型参数
让我们考虑一个简单的例子，首先不使用GridSearch：
import pandas as pd
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.wrappers.scikit_learn import Keras
浏览 38提问于2017-06-21得票数 5
回答已采纳
我正在使用Scikit-向他人学习代码来构建一个预测工具。原始代码运行良好，但我需要将sample_weight添加到预测工具中。
在不同的文档中搜索了解决方案后，我发现主要问题是Scikit-Learn中的管道不能很好地支持sample_weight。
# creating pipeline
pipeline = make_pipeline(preprocessing.StandardScaler(), RandomForestRegressor(n_estimators=100))
hyperparameters = {'randomforestregressor__max_fe
浏览 0提问于2019-07-11得票数 1
我使用的是scikit中的GridSearchCV --学习0.14，但是总是收到以下警告：
/Library/Frameworks/EPD64.framework/Versions/7.2/lib/python2.7/site-packages/sklearn/grid_search.py:706: DeprecationWarning:忽略GridSearchCV的其他参数！params的论点将在0.15中删除。DeprecationWarning)
有人知道哪些参数被忽略了吗？
代码(x和y从文件中读取)：
def balanced_accuracy (ground_truth,
浏览 2提问于2014-01-29得票数 0
我想在我的模型上试用GridsearchCV，我的导入是：
from keras import models
from keras import layers
from keras import regularizers
from sklearn.model_selection import GridSearchCV
from keras.wrappers.scikit_learn import KerasClassifier
我的代码是：
def build_model(X_train = X_train,neurons=4,optimizer='Adam'):
mo
浏览 20提问于2020-02-07得票数 0
回答已采纳
在训练随机森林分类器时，我一直在尝试使用scikit-learn中的加权样本。当我直接将样本权重传递给分类器时，它工作得很好，例如RandomForestClassifier().fit(X,y,sample_weight=weights)，但当我尝试网格搜索为分类器找到更好的超参数时，我遇到了麻烦：
要在使用grid参数时传递权重，用法如下：
grid_search = GridSearchCV(RandomForestClassifier(), params, n_jobs=-1,
fit_params={"sample_we
浏览 1提问于2014-02-20得票数 16
当我在md熵包中做一个关于交互信息的教程时，我得到了以下错误：
File "/home/midhun/scikit-learn/sklearn/cluster/k_means_.py", line 994, in fit_predict
return self.fit(X, sample_weight=sample_weight).labels_
TypeError: fit() got an unexpected keyword argument 'sample_weight'
我使用的是Python 3.6。
浏览 7提问于2018-10-16得票数 0
我正在运行scikit-学习intelpython3_full conda发行版上的0.24.2。我试着跑：
from sklearn.model_selection import HalvingGridSearchCV
并得到以下错误：
ImportError: cannot import name 'HalvingGridSearchCV' from 'sklearn.model_selection'
我正试着从jupyter笔记本上运行它。
已经尝试过重新安装scikit-学习：
conda uninstall scikit-learn
conda ins
浏览 12提问于2022-01-29得票数 0
回答已采纳
我正在使用scikit-学习MiniBatchKMeans来进行文本聚类。
在fit()函数中，有一个参数sample_weight描述如下：
X中每个观察的权重。如果没有，所有的观察都被赋予相同的权重(缺省值:无)。
我该怎么解释呢？
例如，如果我赋予某些观测更大的权重，质心会更接近于这种观测吗？
浏览 0提问于2020-12-03得票数 1
回答已采纳
1回答
我想将更多的数据传递给scikit中的转换器--学习：
from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.ensemble import RandomForestClassifier
from sklearn.pipeline import Pipeline
import numpy as np
from sklearn.model_selection import GridSearchCV
class myTransformer(BaseEstimator, TransformerMixin):
浏览 5提问于2017-01-24得票数 3
回答已采纳
我正在使用非常棒的scikit-optimize工具箱来进行超参数优化。我的目标是比较keras和scikit-learn模型。 根据示例https://scikit-optimize.github.io/stable/auto_examples/sklearn-gridsearchcv-replacement.html#sphx-glr-auto-examples-sklearn-gridsearchcv-replacement-py，仅使用了scikit学习模型。尝试下面的代码不允许在BayesSearchCV中集成keras模式。 # Function to create model,
浏览 59提问于2020-05-02得票数 1
回答已采纳
我从scikit学习文档中查看这个示例：
在我看来，交叉验证在这里不是以一种公正的方式执行的。GridSearchCV (据说是内部CV循环)和cross_val_score (据称是外部CV循环)都使用相同的数据和相同的折叠。因此，对分类器进行训练和评估的数据之间存在重叠。我做错什么了？
浏览 4提问于2016-12-13得票数 4
2回答
我以前使用过Scikit- learning的GridSearchCV来优化我的模型的超参数，但只是想知道是否存在类似的工具来优化Tensorflow的超参数(例如，的历元数、学习速率、滑动窗口大小等)。
如果不是，我如何实现有效运行所有不同组合的代码段？
浏览 2提问于2017-06-28得票数 20
回答已采纳
1回答
在Scikit中，学习RandomSearchCV和GridSearchCV需要cv参数的交叉验证对象，例如GroupKFold或其他来自sklearn.model_selection的简历分配器。
但是，如何使用单一的静态验证集？我有很大的训练集，很大的验证集，我只需要简历对象的接口，而不是整个交叉验证。
具体来说，我使用的是Scikit优化和BayesSearchCV ()，它需要CV对象(与常规的Scikit学习SearchCV对象的接口相同)。我想使用我选择的验证集与它，而不是整个简历。
浏览 3提问于2021-05-30得票数 0
回答已采纳
我试图使用一个回归模型，我已经实现了与GridSearchCV类的科学学习优化我的模型的超参数。我的模型类构建得很好，遵循了scikit-api的建议：
class FOO(BaseEstimator, RegressorMixin):
def __init__(self,...)
*** initialisation of all the parameters and hyperparameters (including the kernelfunction)***
def fit(self,X,y)
*** implementation of fit: just take
浏览 6提问于2020-07-07得票数 0
我是新的ML，并试图建立一个RNN模型。
我想使用GridSearchCV优化超参数。我想要优化的是每一层选择的层数和节点数。
下面是生成模型的代码：
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import GridSearchCV
def create_model(layers,activation):
model = Sequential()
for i,node in enumerate(layers):
if i == 0:
浏览 3提问于2020-02-28得票数 0
回答已采纳
我正在尝试使用GridSearchCV和RandomizedSearchCV在scikit中学习(0.16.1)用于逻辑回归和随机森林分类器(可能还有其他分类器)来处理二进制类问题。我设法让GridSearchCV使用标准的LogisticRegression分类器，但我不能让LogisticRegressionCV (或RandomForestClassifier的RandomizedGridCV )使用自定义的评分函数，特别是brier_score_loss。我试过这样的代码：
lrcv = LogisticRegressionCV(scoring = make_scorer(brier_
浏览 7提问于2015-04-16得票数 1
回答已采纳
1回答
我正在学习Scikit我就是这么写的：
from sklearn.model_selection import GridSearchCV
param_grid = [
{'randomforestclassifier__n_estimators': [3, 10, 30], 'randomforestclassifier__max_features': [2, 4, 5, 8]},
{'randomforestclassifier__bootstrap': [False], 'randomforestclassifier
浏览 3提问于2022-02-06得票数 0
回答已采纳
我有一个Keras模型，我想用sklearn的AdaBootClassifier来提升它。不幸的是，我得到了以下错误消息，并且不知道如何解决它。如果有任何帮助，我会非常高兴！ ()中的ValueError回溯(最近一次调用)->1 boosted_classifier.fit(X，y) 3 _boost_discrete(self，iboost，X，y，sample_weight，random_state)中的3帧仅增强正权重603 sample_weight *= np.exp(estimator_weight *sample_weight* --> 604 (sample_w
浏览 61提问于2020-10-28得票数 0
回答已采纳
我目前正在使用每日财务数据，以适应我的支持向量机和AdaBoost。为了检查我的结果，我尝试了AdaBoost和n_estimators=1，这样它将返回与我只运行一个支持向量机相同的结果。
from sklearn.ensemble import AdaBoostClassifier
from sklearn.svm import SVC
svm2 = SVC(C=box_const, kernel='rbf', degree=3, gamma='scale', coef0=0.0,
shrinking=True, tol=0.001,
浏览 7提问于2021-03-17得票数 2
回答已采纳
我试图用GridSearchCV创建一个随机森林模型，但是得到了一个与param_grid相关的错误："ValueError: ValidalParametermax_features用于估值器管道。请使用`estimator.get_params().keys()检查可用参数列表“。我对文件进行分类，所以我也把tf-国防军的向量器推到管道上。以下是代码：
from sklearn import metrics
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classifi
浏览 3提问于2016-01-19得票数 30
我正在尝试为一个多类分类问题在scikit learn中为GridSearchCV设置评分函数。
我的问题是，fbeta_score和precision_recall_fscore_support之间的区别是什么？
precision_recall_fscore_support返回多个值。GridSearchCV使用哪个值/分数？它是否被设计为与GridSearchCV一起使用？
浏览 1提问于2015-12-17得票数 0
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import GridSearchCV
#giving params for a linear , rbf , poly and sigmoid
params_grid = [ { 'kernel':['linead'] , 'C':[1,10,100,1000] } ,
{ 'kernel':['rbf'] , 'gamma&
浏览 39提问于2020-10-31得票数 0
当我用以下选项训练时：SGDClassifier(loss='log', class_weight=None, penalty='l2')，训练完成时没有出错。然而，当我用class_weight='auto'在scikit上训练这个分类器时-学习v0.15，我得到了这个错误：
return self.model.fit(X, y)
File "/home/rose/.local/lib/python2.7/site-packages/scikit_learn-0.15.0b1-py2.7-linux-x86_64.egg/skl
浏览 5提问于2014-07-17得票数 5
回答已采纳
我正在尝试进行集成学习，这是使用以二维卷积神经网络( BaggingClassifier )作为基础估计器的scikit learn BaggingClassifier进行打包。
在此之前，我曾尝试使用scikit的神经网络进行打包，以测试scikit的BaggingClassifier，它起作用了。我也用keras-wrapper测试了scikit的GridSearchCV来搜索2Dcnn的超参数，它也是有效的。
刚才，当我尝试使用scikit的BaggingClassifier与keras-wrapper进行包装，然后使用2D CNN模型作为基础估计器创建集成学习时，我得到了一个错误。
以
浏览 7提问于2017-01-18得票数 1
回答已采纳
1回答
我想监视给定Python函数的执行过程(对于那些知道它的人来说，GridSearchCV来自机器学习包Scikit学习)。要做到这一点，如果函数有一个参数verbose，我可以将详细信息设置为1或10，不管怎样。不过，我也希望有一些时间监察。我的想法是每次在控制台中打印东西时在控制台上打印一个计时器(在本例中，打印将来自GridSearchCV的激活)，让我们称之为printing function。
我的问题如下：
在控制台中打印某些内容时，Python中有执行程序的方法吗？
我在这里看到的一个困难是，当我执行所有这些指令(函数GridSearchCV，printing functi
浏览 4提问于2016-01-10得票数 0
我正在实现一个教程中的示例，使用Python3.6.5和scikit-学习0.23.2
from sklearn.model_selection import GridSearchCV
from sklearn.linear_model import Ridge
ridge = Ridge()
r_parameters = {'ridge__alpha:':[1e-15, 1e-10, 1e-8, 1e-4, 1e-3, 1e-2, 1, 5, 10, 20]}
ridge_regressor = GridSearchCV(ridge, r_parameters, sc
浏览 3提问于2020-10-01得票数 1
1回答
我需要修正一个参数的值，一个科学的学习估计器。我仍然需要能够更改估值器的所有其他参数，并在scikit-学习工具(如管道和GridSearchCV )中使用估计器。
我试着定义了一个新的类，继承自一个scikit-学习估计器。例如，这里我试图创建一个修复RandomForestClassifier的RandomForestClassifier的新类。
class FiveTreesClassifier(RandomForestClassifier):
def __init__(self, **kwargs):
super().__init__(**kwargs)
浏览 1提问于2021-11-24得票数 1
回答已采纳
我的班级比例是1:15，也就是非常低的事件率。因此，为了在scikit中选择GBM的调优参数，我想使用Kappa而不是F1评分。我的理解是，卡帕是一个比F1评分更好的阶级不平衡衡量标准。
但我找不到卡帕作为一个evaluation_metric在科基特学习这里sklearn.metrics。
问题
在gridsearchcv中包含kappa有什么解决办法吗？
还有其他更好的指标，我可以使用，而不是卡帕在科学知识学习？
浏览 0提问于2015-09-11得票数 10
我正在尝试使用scikit learn 0.18.1将TimeSeriesSplit与GridSearchCV结合起来。
相关代码如下所示：
pipeline = Pipeline([
('MMS', MinMaxScaler()),
('VT', VarianceThreshold(threshold=0.005)),
('SKB',SelectKBest(chi2, k=90)),
('rf', RandomForestClassifier(class_weigh
浏览 0提问于2018-06-04得票数 1
2回答
我使用spaCy为scikit编写了一个引理令牌器--基于他们的学习，它可以独立运行：
import spacy
from sklearn.feature_extraction.text import TfidfVectorizer
class LemmaTokenizer(object):
def __init__(self):
self.spacynlp = spacy.load('en')
def __call__(self, doc):
nlpdoc = self.spacynlp(doc)
nlpdoc
浏览 5提问于2017-07-19得票数 8
回答已采纳
如果我想优化基于区域的logistic回归模型(例如)的正则化参数，我可以使用GridSearchCV对一个合适的参数范围，并设置scoring='roc_auc'。
这可以使用from sklearn.model_selection import GridSearchCV完成，不需要包含from sklearn.metrics import roc_auc_score。
但是，如果我想要手工计算特定拟合数据集的中华民国曲线下的面积，那么我确实需要包括from sklearn.metrics import roc_auc_score。
这是怎么回事？我假设通过导入GridS
浏览 0提问于2018-08-30得票数 0
回答已采纳
在scikit中有绝对有用的类GridSearchCV --学习网格搜索和交叉验证，但我不想做交叉验证。我想做网格搜索没有交叉验证和使用整个数据训练。更具体地说，在网格搜索过程中，我需要用"oob评分“来评估RandomForestClassifier创建的模型。有什么简单的方法吗？还是我自己做一堂课？
要点是
我想用简单的方法进行网格搜索。
我不想做交叉验证。
我需要使用整个数据来训练。(不想分开来训练数据和测试数据)
我需要使用oob评分来评估网格搜索。
浏览 8提问于2016-01-06得票数 31
回答已采纳
1回答
在scikit中的算法-学习中可能有一些参数，这些参数具有默认的选项范围，
sklearn.neighbors.KNeighborsClassifier(n_neighbors=5, weights='uniform', algorithm='auto', leaf_size=30, p=2, metric='minkowski', metric_params=None, n_jobs=1, **kwargs)
参数的默认值为"auto"，具有以下选项：algorithm：{‘auto’，‘ball_tree’，‘kd_tree’
浏览 3提问于2017-02-17得票数 0
回答已采纳
我在Python3.7.4版本中运行了这段代码，得到了一个ValueError。代码如下：
import numpy
import pandas
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
from sklearn.preprocessing import LabelEncoder
from
浏览 25提问于2019-11-19得票数 1
回答已采纳
我正在使用scikit learn的GridSearchCV在各种超参数上运行网格搜索。在GridSearchCV完成后，我可以通过访问grid_search_object.cv_results_将网格搜索的输出写入csv。 但是，我希望在每个配置完成时将其输出写入csv，而不是全部写入。有没有办法做到这一点？
浏览 92提问于2021-09-27得票数 0
1回答
使用Scikit-learn执行自定义参数搜索CV的最佳方法是什么？我真的很喜欢GridSearchCV。但是，对于我的情况，param_grid参数是不灵活的，因为它将搜索整个参数组合的跨度。理想情况下，我希望在dataframe中提供自己的参数空间，每个参数都有一列。
因此，在Scikit中是否有一个合适的类来帮助我实现这个结果？
浏览 0提问于2021-01-08得票数 2
回答已采纳
我一直在摆弄不同的科学学习工具。监督学习类都有相同的通用API，您可以调用model.fit(X, y)来适应模型。有了其中的一些(至少是ExtraTreesRegressor)，我可以为y传递一个二维数组，它工作得很好。对其他人来说，这是行不通的。但是，它通常没有说明为什么不工作:我得到的形状错配错误表明，它只能预测单个输出维数，而实际上没有这样说。例如，对于随机梯度下降：
>>> X.shape
(77946, 24)
>>> y.shape
(77946, 24)
>>> mach = sklearn.linear_model.SGD
浏览 2提问于2013-10-29得票数 0
2回答
如果我在scikit学习库中使用GridSearchCV来找到最好的模型，那么它返回的最终模型是什么？也就是说，对于每一组超参数，我们都会训练CV (比如说3)模型的数量。这样，函数会返回这三个模型中的最佳模型以获得最佳的参数设置吗？
浏览 0提问于2018-03-23得票数 5
回答已采纳
我有每个样本的不同权重的数据。在我的应用中，在估计模型和比较替代模型时，考虑这些权重是很重要的。
我使用sklearn来估计模型和比较可选的超参数选择。但是这个单元测试表明，GridSearchCV没有应用sample_weights来估计分数。
有没有办法让sklearn使用sample_weight对模型进行评分？
单元测试：
from __future__ import division
import numpy as np
from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestC
浏览 1提问于2018-03-30得票数 19
回答已采纳
使用Scikit-learn的GridSearchCV，如果GridSearchCV给出了几个1级的估计量，那么它会选择哪一个作为best_estimator_的最佳估计量？它会选择出现在cv_results_中的列表中的第一个估计量吗？
除非我失明了，否则我似乎在这里的文档中找不到这个：
在此之前，非常感谢您。
浏览 2提问于2020-06-01得票数 1
回答已采纳
我使用了scikit的GridSearchCV --学习为我的XGBClassifier模型找到最佳参数，我使用如下代码：
grid_params = {
'n_estimators' : [100, 500, 1000],
'subsample' : [0.01, 0.05]
}
est = xgb.Classifier()
grid_xgb = GridSearchCV(param_grid = grid_params,
estimator = est,
浏览 6提问于2022-08-07得票数 0
回答已采纳
我的教科书上说，k倍交叉验证是一种重采样技术，对于在数据差的情况下估计泛化误差很有用。
理想情况下，如果我们有足够的数据，我们会留出一个验证集，并使用它来评估我们的预测模型的性能。由于数据往往是稀缺的，这通常是不可能的。为了解决这个问题，K折叠交叉验证使用部分可用数据来拟合模型，另一部分则用于测试。(Hastie，“统计学习的要素”，第7.10节，第241页)
对于一个机器学习项目，我使用Scikit- learning的网格搜索cv方法为我的随机森林寻找最佳的超参数。Scikit学习文档准确地推荐这个：
这是可能的，并建议搜索超参数空间，以获得最佳交叉验证分数。..。提供了两种常用的参数搜索
浏览 0提问于2022-02-23得票数 2
我想通过使用GridSearchCV (Scikit-Learn)和数据增强(来自Keras的ImageDataGenerator)来优化CNN体系结构的一些超参数。然而，GridSearchCV只提供fit函数，而不提供fit_generator函数。是否建议在GridSearchCV中使用数据增强？ImageDataGenerator的参数已经固定，不应更改。首先通过网格搜索确定超参数，而不增加数据，而只对最终模型使用数据增强，这样会更好吗？
你对这个话题怎么看？你的经历是什么？
浏览 0提问于2019-12-28得票数 6
回答已采纳
1回答
我正在测试MNIST数据上的简单深入学习代码，但我不知道为什么会出错。以下代码来自Francois的“用Python进行深度学习”一书：
from keras.datasets import mnist
from keras import models
from keras import layers
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
train_images = train_images.reshape((60000, 28 * 28))
train_images =
浏览 0提问于2019-07-12得票数 0
回答已采纳
似乎科学知识的GridSearchCV收集其(内部)交叉验证折叠的分数，然后在所有折叠的分数之间进行平均。我想知道这背后的理由。乍一看，将交叉验证折叠的预测收集起来，然后将所选的评分标准应用于所有折叠的预测，似乎更加灵活。
我偶然发现这一点的原因是，我在一个不平衡的数据集上使用了GridSearchCV和cv=LeaveOneOut()和scoring='balanced_accuracy' (scikit-learn v0.20.dev0)。对每一个被丢弃的样本应用诸如平衡精度(或回忆)之类的评分标准是没有意义的。相反，我想先收集所有预测，然后再将我的评分标准应用于所有预测。
浏览 0提问于2017-11-30得票数 5
回答已采纳
我试图链接网格搜索和递归功能消除在一个管道使用scikit学习。
带有“裸”分类器的GridSearchCV和RFE工作得很好：
from sklearn.datasets import make_friedman1
from sklearn import feature_selection
from sklearn.grid_search import GridSearchCV
from sklearn.svm import SVR
X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)
est = SVR(k
浏览 0提问于2016-04-17得票数 17
回答已采纳
1回答
我有一个BoW矢量形状(100000, 56000)，我想使用MultinomialNB从scikit学习一个分类任务。
MultinomialNB是否采用稀疏矩阵来拟合数据？
由于内存错误，我似乎无法将其转换为密集矩阵toarray()。如果NB分类器不采用稀疏矩阵，那么在不将数据转换为稠密矩阵的情况下，我可以使用什么替代方法来拟合数据呢？
浏览 1提问于2019-03-10得票数 0
回答已采纳
我正在研究一个多分类的问题，在scikit中使用神经网络学习，并且我试图弄清楚如何优化我的超参数(层数、感知器和其他东西的数量)。
我发现GridSearchCV是做这件事的方法，但是我使用的代码返回的是平均精度，而我实际上想测试F1分数。有没有人知道我如何编辑这段代码，使它为F1评分工作？
一开始，当我不得不评估精度/准确性时，我认为只要拿出混淆矩阵并得出一个结论就够了，同时不断地尝试和错误地改变神经网络中的层次和感知器的数量。
今天，我发现还有更多的东西：GridSearchCV。我只需要弄清楚如何评估F1评分，因为我需要做一项研究，从神经网络的层次，节点，最终确定其他选择的准确性…
ml
浏览 2提问于2019-05-10得票数 7
1回答
我正在为Keras中的一个分类问题构建一个模型，为此我使用了包装器scikit-learn中的KerasClassifier。下面是相同的代码。
import pandas as pd
import numpy as np
from sklearn.cross_validation import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score,roc_auc_score
from keras.models import
浏览 0提问于2016-08-11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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
