Scikit-结合规模和网格搜索

Question

我是scikit的新手，在结合数据规模和网格搜索方面有两个小问题。

1. 高效缩放器

考虑到使用Kfolds的交叉验证，我希望每次我们在K-1折叠上训练模型时，数据缩放器（例如使用预处理.StandardScaler（））只适合K-1折叠，然后应用于其余折叠。

我的印象是，下面的代码将适合整个数据集上的缩放器，因此我想修改它，使其行为如前所述：

classifier = svm.SVC(C=1)    
clf = make_pipeline(preprocessing.StandardScaler(), classifier)
tuned_parameters = [{'C': [1, 10, 100, 1000]}]
my_grid_search = GridSearchCV(clf, tuned_parameters, cv=5)

2. 取回内部缩放器配件

当重新装配=True时，"在"网格搜索之后，模型将在整个数据集上重新装配（使用最佳估计器），我的理解是管道将再次使用，因此缩放器将适合整个数据集。理想情况下，我希望重用这种适合度来扩展我的"测试"数据集。有没有一种方法可以直接从GridSearchCV中检索它？

Answer 1

1. GridSearchCV对Pipeline对象一无所知；它假设所提供的估计器是原子的，因为它不能只选择某个特定的阶段（例如StandartScaler）并在不同的数据上拟合不同的阶段。所有GridSearchCV都在提供的估计器上调用fit（X，y）方法，其中X，y-一些数据分割。因此，它适用于相同拆分的所有阶段

2. 试试这个：

   best_pipeline = my_grid_search.best_estimator_ best_scaler = best_pipeline["standartscaler"]

3. 如果您将转换器/估计器封装到Pipeline中，则必须为每个参数的名称添加前缀，例如：tuned_parameters = [{'svc__C': [1, 10, 100, 1000]}]，请查看这些示例以了解更多详细信息连接多个特征提取方法，Pipelining：链接PCA和逻辑回归

无论如何，阅读本文，它可能会帮助您GridSearchCV