如何正确计算我的SVM的最佳C和Gamma

Question

我正在尝试为我的SVM计算最佳C和伽马。尝试运行脚本时，我会收到此错误：

ValueError: Invalid parameter max_features for estimator SVC. Check the list of available parameters with estionator.get_params（）。keys（） .

我浏览了文档，以了解n_estimators的实际含义，以便我知道应该填写的值。但这对我来说并不完全清楚。有人可以告诉我这个值应该是什么，以便我可以运行脚本以找到最佳的C和伽玛？

我的代码：

if __name__=='__main__':
    fname = "/home/John/labels.csv"
    labels = pd.read_csv(fname, header=None).as_matrix()[:, 1]
    labels = map(itemgetter(1),
                 map(os.path.split,
                     map(os.path.dirname, labels))) 
    fname = "/home/John/reps.csv" 
    embeddings = pd.read_csv(fname, header=None).as_matrix()
    le = LabelEncoder().fit(labels)
    labelsNum = le.transform(labels)
    nClasses = len(le.classes_)

    svcClassifier = SVC(kernel='rbf', probability=True, C=10, gamma=10)
    #classifier = OneVsRestClassifier(svcClassifier).fit(embeddings, labelsNum)
    param_grid = { 
        'n_estimators': [200, 700],
        'max_features': ['auto', 'sqrt', 'log2']
    }
    CV_rfc = GridSearchCV(estimator=svcClassifier, param_grid=param_grid, cv= 5)
    CV_rfc.fit(embeddings, labelsNum)
    print CV_rfc.best_params_

尝试后，我手动发现在我的情况下，C=10和gamma=10给出了最佳结果。但是，我想使用此函数来找出最佳值应该是什么。

我的代码是由这篇文章启发的：如何在GridSearchCV上获得最佳估计器（随机森林分类器Scikit）

Answer 1

SVC类没有参数max_features或n_estimators，因为这些是您用作代码基础的RandomForest的参数。如果要优化有关C和gamma的模型，则可以尝试使用：

param_grid = { 
    'C': [0.1, 0.5, 1.0],
    'gamma': [0.1, 0.5, 1.0]
}

furhtermore，我还建议您搜索最佳的kernel，该rbf，linear或poly在sklearn Framework中。

编辑：此处的值只是Arbitray，旨在说明一般方法。您应该在此处添加许多不同的值，这取决于您的情况。范围也取决于您的情况。