估计器 SVR 的无效参数损失

【问题标题】：Invalid Parameter loss for estimator SVR估计器 SVR 的无效参数损失
【发布时间】：2020-12-18 04:48:58
【问题描述】：

这是我的代码

我使用网格搜索 cv 进行超参数调整。但它显示错误。

param_grid = {"kernel" : ['linear', 'poly', 'rbf', 'sigmoid'],
            'loss' : ['epsilon_insensitive', 'squared_epsilon_insensitive'],
             "max_iter" : [1,10,20],
             'C' : [np.arange(0,20,1)]} 

model = GridSearchCV(estimator = svr, param_grid = param_grid, cv = 5, verbose = 3, n_jobs = -1)

m1 = model.fit(x_train,y_train)

ValueError: Invalid parameter loss for estimator SVR(C=array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
   17, 18, 19]),
kernel='linear'). Check the list of available parameters with `estimator.get_params().keys()`.

【问题讨论】：

标签： python machine-learning svm grid-search

【解决方案1】：

我发现的一些错误：

您似乎正在指定 loss 参数和可能的值，这些值仅针对 LinearSVR 定义，而不是 SVR。另一方面，如果您确实想使用LinearSVR，则不能指定内核，因为它必须是线性的。
我还注意到网格定义中的'C' : [np.arange(0,20,1)] 会产生错误，因为它会导致嵌套列表。只需使用np.arange(0,20,1)

假设你有一个SVR，以下应该适合你：

from sklearn.svm import SVR
svr = SVR()

param_grid = {"kernel" : ['linear', 'poly', 'rbf', 'sigmoid'],
             "max_iter" : [1,10,20],
             'C' : np.arange(0,20,1)} 

model = GridSearchCV(estimator = svr, param_grid = param_grid, 
                     cv = 5, verbose = 3, n_jobs = -1)
m1 = model.fit(X_train, y_train)

【讨论】：