scikit learn - python， sklearn： 'dict'对象不能使用 GridSearchCV 和 SVC 调用

Question

我正在尝试使用GridSearchCV来优化分类器svm的参数。SVC（均来自sklearn）。

from sklearn.grid_search import GridSearchCV
from sklearn.svm import SVC
from sklearn.metrics import confusion_matrix
import numpy as np
X_train = np.array([[1,2],[3,4],[5,6],[2,3],[9,4],[4,5],[2,7],[1,0],[4,7],[2,9])
Y_train = np.array([0,1,0,1,0,0,1,1,0,1])
X_test = np.array([[2,4],[5,3],[7,1],[2,4],[6,4],[2,7],[9,2],[7,5],[1,6],[0,3]])
Y_test = np.array([1,0,0,0,1,0,1,1,0,0])
parameters = {'kernel':['rbf'],'C':np.linspace(10,100,10)}
clf1 = GridSearchCV(SVC(), parameters, verbose = 10)
clf1.fit(X_train, Y_train)
cm = confusion_matrix(Y_test, clf1.predict(X_test))
bp = clf1.best_params_

输出显示它完成了 GridSearchCV，但随后抛出错误：

Traceback (most recent call last):
File "<ipython console>", line 1, in <module>
File "C:Python27libsite-packagesspyderlibwidgetsexternalshellsitecustomize.py", line 479, in runfile
execfile(filename, namespace)
File "I:setupDesktopStatsFinalProject.py", line 112, in <module>
clf1 = GridSearchCV(SVC(), parameters, verbose = 10)
TypeError: 'dict' object is not callable

Answer 1

当我运行您发布的代码时：

from sklearn.grid_search import GridSearchCV
from sklearn.svm import SVC
from sklearn.metrics import confusion_matrix
import numpy as np
X_train = np.array([[1,2],[3,4],[5,6]])
Y_train = np.array([0,1,0])
X_test = np.array([[2,4],[5,3],[7,1]])
Y_test = np.array([1,0,0])
parameters = {'kernel':['rbf'],'C':np.linspace(10,100,10)}
clf1 = GridSearchCV(SVC(), parameters, verbose = 10)
clf1.fit(X_train, Y_train)
cm = confusion_matrix(Y_test, clf1.predict(X_test))
bp = clf1.best_params_

我收到此错误：

文件 "C：\Anaconda\lib\site-packages\sklearn\svm\base.py"，第 447 行，_validate_targets % len（cls）） 值错误：类的数量必须大于 1;得到 1

由于训练数据由 3 个样本组成，因此当GridSearchCV将数据分成 3 倍时（顺便说一句，您可以控制此参数，它称为 cv ）。

例如 -

fold1 = [1,2]  ,   label1 = 0
fold2 = [3,4]  ,   label2 = 1
fold3 = [5,6]  ,   label3 = 0

现在，在某些迭代中，需要第一个和第三个折叠来训练，第二个折叠用于验证。请注意，这些训练折叠仅包含 1 种类型的标签！（标签 0）因此它打印的错误。

如果我以这种方式创建数据：

X, Y = datasets.make_classification(n_samples=1000, n_features=4,
                                n_informative=2, n_redundant=2, n_classes=2)
X_train, X_test, Y_train, Y_test = sklearn.cross_validation.train_test_split(X,Y,
                                                                         test_size =0.2)

它运行得很好。我想您还有其他问题，但是关于您输入的代码 - 这是它的错误。