如何修复 OneClassSVM 和 GridSearchCV 的错误“对于多指标评分”

Question

我正在尝试使用 OnClassSVM 进行异常检测，并使用 GridSearchCV() 调整其参数，如下所示：

我已经搜索了很多网站，包括https://stackoverflow.com/，但找不到适合我的方案的任何解决方案。 代码在这里：

nus = [0.001, 0.01, 0.1, 1]
gammas = [0.001, 0.01, 0.1, 1]
scorers = {
  'precision_score': make_scorer(precision_score),
  'recall_score': make_scorer(recall_score),
 'accuracy_score': make_scorer(accuracy_score)
}

tuned_parameters = {'C': [1, 10, 100, 1000], 'kernel' : ['rbf','linear'], 
'gamma' : gammas, 'nu': nus}
tuned_ocsvm = svm.OneClassSVM()
ocsvm = GridSearchCV(estimator=svm.OneClassSVM(), 
param_grid=tuned_parameters, scoring=scorers,refit='false')

但它给我的错误如下

对于多指标评分，必须将参数 refit 设置为 scorer 键或可调用函数，以使用整个数据上的最佳参数设置重新拟合估计器，并使 best_* 属性可用于该指标。如果不需要，则应将 refit 显式设置为 False。 'false' 已通过

Answer 1

最好将您的scorers 设置为得分手之一，不要将其作为字典传递。

scorers = make_scorer(precision_score)

如果您设置了refit=False，那么您将失去best_estimator_，这是网格搜索最重要的输出之一。

Answer 2

在GridSearchCV's doc上，refit定义为：

refit : boolean, string, or callable, default=True

使用在整个数据集上找到的最佳参数重新调整估计器。 对于多指标评估，这需要是一个字符串，表示得分器，用于找到最后重新拟合估计器的最佳参数。 在选择最佳估计器时除了最大分数之外还有其他考虑因素，可以将 refit 设置为一个函数，该函数在给定 cv_results_ 的情况下返回所选的 best_index_。 重新调整的估计器在 best_estimator_ 属性中可用，并允许直接在此 GridSearchCV 实例上使用 predict。 同样对于多指标评估，属性 best_index_、best_score_ 和 best_params_ 仅在设置了 refit 时才可用，并且所有这些属性都将根据这个特定的记分器来确定。如果 refit 是可调用的，则不会返回 best_score_。 查看评分参数以了解有关多指标评估的更多信息。

如果您不想重新拟合估算器，可以设置refit=False（作为布尔值）。另一方面，要使用其中一个记分器重新调整估算器，您可以使用 refit='precision_score' 为例。