使用适合 sklearn gridsearchcv答案

【问题标题】：use fit for sklearn gridsearchcv使用适合 sklearn gridsearchcv
【发布时间】：2016-02-10 15:45:00
【问题描述】：

我是 Sklearn 和 python 的新手；我有这个代码 sn-p 用于我试图破译的项目。我希望你们能帮助我。

from repository import Repository
from configuration import config
repository = Repository(config)
dataset, labels = repository.get_dataset_and_labels()
import numpy as np
from sklearn.cross_validation import train_test_split
from sklearn.svm import SVC
from sklearn.cross_validation import ShuffleSplit
from sklearn.grid_search import GridSearchCV  
# Ensure that there are no NaNs
dataset = dataset.fillna(-85)
# Split the dataset into training (90 \%) and testing (10 \%)
X_train, X_test, y_train, y_test = train_test_split(dataset, labels,      test_size = 0.1 )
cv = ShuffleSplit(X_train.shape[0], n_iter=10, test_size=0.2, random_state=0)
# Define the classifier to use
estimator = SVC(kernel='linear')
# Define parameter space
gammas = np.logspace(-6, -1, 10)
# Use Test dataset and use cross validation to find bet hyper-p  rameters.
classifier = GridSearchCV(estimator=estimator, cv=cv, param_grid=dict(gamma=gammas))
classifier.fit(X_train, [repository.locations.keys().index(tuple(l))  for l in y_train])

我无法理解的是分类器的 fit 方法的使用。在我在网上找到的所有示例中，“fit”都会接收训练数据和相应的标签。在上面的示例中，“fit”接收训练数据和标签（而不是标签）的索引。分类器如何获取索引而不是标签并且仍然有效

【问题讨论】：

如果你不介意我问，你从哪里得到的？我问的唯一原因是因为你说它有效。我没有repository，所以我无法通过查看dataset 所指的内容来测试它
@Leb 这是我被分配到的一个学术项目的代码 sn-p。数据集由wifi指纹（mac地址，信号级别）组成，标签包含该指纹在建筑物中的坐标。
好吧，我的猜测是：from sklearn.cross_validation import ShuffleSplit 返回indices。因此，从外观上看，他们首先做到了这一点，并在GridSearchCV 中使用了它。这就是为什么索引被用于y_train 的原因，我假设它的形状为 (y,)（即仅列）
@Leb 所以classifier.fit实际上是接收一个索引列表，而不是y_train中保存的位置？
它正在接收一个索引列表，它表示y_train 的位置。这是使用ShuffleSplit 进行交叉验证的，这就是为什么您看到cv=cv 代表GridSearchCV。换句话说，ShuffleSplit 返回索引，为了让这些索引与y_train 位置相关，必须传递list，即repository.locations.keys().index(tuple(l))

标签： python machine-learning scikit-learn

【解决方案1】：

标签只是一个抽象术语。它可以是任何东西，单词，数字，索引，任何东西。在您的情况下（无论repository.locations.keys().index(...) 是什么，让我们假设它是一个确定性 函数，为简单起见我们称之为f），您创建一个列表

 [f(tuple(l)) for l in y_train]

y_train 本身是一个列表（或更一般的 - 可迭代）。所以上面也是一个标签列表，只是通过f 转换，出于其他原因（也许在这种特殊情况下，用户需要与原始数据集中不同的标签集？）。无论哪种方式，您仍然将标签传递给您的 fit 方法，它们只是被转换了。

以标签集 ['cat', 'dog'] 为例，我是在 [x1, x2, x3]、['cat', 'cat', 'dog'] 还是在 [x2,x3,x3]、[0, 0, 1]（标签索引）上训练模型并不重要。

【讨论】：

【解决方案2】：

显然你的标签在这里编码：

[repository.locations.keys().index(tuple(l))  for l in y_train]

除此之外，我认为值得关注SearchGridCV documentation。

【讨论】：