GridsearchCV用于多项式回归-Java 学习之路

我是机器学习的新手并坚持这一点 .

当我试图在线性模型中实现多项式回归时，比如使用多个多项式范围（1,10）并得到不同的MSE . 我实际上使用 GridsearchCV 方法来找到多项式的最佳参数 .

from sklearn.model_selection import GridSearchCV

poly_grid = GridSearchCV(PolynomialRegression(), param_grid, cv=10, scoring='neg_mean_squared_error')

我不知道如何获得上述 PolynomialRegression() 估算器 . 我搜索的一个解决方案是：

import numpy as np
from sklearn.model_selection import GridSearchCV
from sklearn.pipeline import make_pipeline

def PolynomialRegression(degree=2, **kwargs):
    return make_pipeline(PolynomialFeatures(degree), LinearRegression(**kwargs))

param_grid = {'polynomialfeatures__degree': np.arange(10), 'linearregression__fit_intercept': [True, False], 'linearregression__normalize': [True, False]}

poly_grid = GridSearchCV(PolynomialRegression(), param_grid, cv=10, scoring='neg_mean_squared_error')

但它甚至没有产生任何结果 .

1 回答

0
poly_grid = GridSearchCV...

只会声明并实例化网格搜索对象 . 您需要使用fit（）方法提供一些数据来进行任何训练或超参数搜索 .

像这样的东西：
```
poly_grid.fit(X, y)
```
其中X和y是您的训练数据和标签 .

请参阅the documentation：

fit（X，y = None，groups = None，** fit_params）[source]运行适合所有参数集 .

然后使用 cv_results_ 和/或 best_params_ 来分析结果 .

请看下面给出的例子：
回应评论：

@BillyChow你是否打电话给 poly_grid.fit() ？如果不是，那么显然它不会产生任何结果 .

如果是，那么根据你的数据，这需要花费很多时间，因为你已经指定1到10的度数，参数为10倍cv . 因此，随着学位的增加，拟合和交叉验证的时间会迅速增加 .

仍然如果你想看到工作，你可以添加 verbose param到gridSearchCV，如下所示：
```
poly_grid = GridSearchCV(PolynomialRegression(), param_grid, 
                         cv=10, 
                         scoring='neg_mean_squared_error', 
                         verbose=3)
```
然后拨打 poly_grid.fit(X, y)
回复于 2024-04-27T11:56:58+08:00

GridsearchCV用于多项式回归

1 回答

相关问题