是否可以将 np.array() 与列表一起用作输入？答案

【问题标题】：Is is possible to use np.array() with lists as inputs?是否可以将 np.array() 与列表一起用作输入？
【发布时间】：2020-06-18 07:18:41
【问题描述】：

我正在构建我的 MLP 算法，并尝试结合使用 k 折交叉验证和网格搜索来找到隐藏层/节点的最佳组合。

我最初只是尝试简单地改变 alpha 级别，它奏效了，我使用了：

from sklearn.model_selection import cross_val_score
import numpy as np
from sklearn.neural_network import MLPClassifier
import matplotlib.pyplot as plt 
import mglearn 

mlp = MLPClassifier()
param_grid = {'alpha': np.arange(0,1,0.5)}
knn_gscv = GridSearchCV(mlp, param_grid, cv=5)

#fit model to data
knn_gscv.fit(X, y)

#check top performing n_neighbors value
print("best alpha value is",knn_gscv.best_params_)
#check mean score for the top performing value of n_neighbors
print("best score best alpha",knn_gscv.best_score_)

这行得通。但现在我试图改变隐藏层和节点的数量，并尝试了这个：

from sklearn.model_selection import cross_val_score
import numpy as np
from sklearn.neural_network import MLPClassifier
import matplotlib.pyplot as plt 
import mglearn 

mlp = MLPClassifier()
param_grid = {'hidden_layer_sizes': np.arange([10,10],[20,20],[30,30])}
knn_gscv = GridSearchCV(mlp, param_grid, cv=5)

#fit model to data
knn_gscv.fit(X, y)

#check top performing n_neighbors value
print("best alpha value is",knn_gscv.best_params_)
#check mean score for the top performing value of n_neighbors
print("best score best alpha",knn_gscv.best_score_)

但我收到一条错误消息。我认为这是因为 np.array() 不能很好地使用列表作为输入。但我仍然相信我应该使用 np.array ，因为这是使用网格搜索实现它的最简单方法。有没有办法绕过它？

【问题讨论】：

请在问题中包含错误信息
总是将完整的错误消息（从单词“Traceback”开始）作为文本（不是屏幕截图）放在有问题的（不是评论）中。还有其他有用的信息。
问题是param_grid = {'hidden_layer_sizes': np.arange([10,10],[20,20],[30,30])}需要param_grid = {'hidden_layer_sizes': np.arange([[10,10],[20,20],[30,30]])}
是的，您需要将这些排列好的列表对传递到列表中
也回答你的问题：是的，很有可能将列表作为输入传递，问题不是将它传递给 np 数组，而是将该 numpy 数组传递给 SKL MLP。

标签： python arrays numpy machine-learning scikit-learn

【解决方案1】：

首先，

np.arange([10,10],[20,20],[30,30]) 永远不会工作。

甚至是 cmets 中建议的 np.arange([[10,10],[20,20],[30,30]])。

两者都会引发：

TypeError: 不支持的操作数类型 -: 'list' 和 'list'

简答

对于'hidden_layer_sizes'，您需要一个元组列表。

例如param_grid = {'hidden_layer_sizes': [(10,10), (20,20)]}

长答案

要创建一系列元组，请使用以下内容：

start=10
stop=20
step = 5

param_grid = {'hidden_layer_sizes': 
               [(n, min(n+step, stop)) for n in range(start, stop, step)]}

param_grid
Out[29]: {'hidden_layer_sizes': [(10, 15), (15, 20)]}

【讨论】：