有没有办法在 One-Class SVM 上执行网格搜索超参数优化

Question

有没有办法使用 GridSearchCV 或任何其他内置的 sklearn 函数来为 OneClassSVM 分类器找到最佳超参数？

我目前所做的是使用这样的训练/测试拆分自己执行搜索：

Gamma 和 nu 值定义为：

gammas = np.logspace(-9, 3, 13)
nus = np.linspace(0.01, 0.99, 99)

探索所有可能的超参数并找到最佳超参数的函数：

clf = OneClassSVM()

results = []

train_x = vectorizer.fit_transform(train_contents)
test_x = vectorizer.transform(test_contents)

for gamma in gammas:
    for nu in nus:
        clf.set_params(gamma=gamma, nu=nu)

        clf.fit(train_x)

        y_pred = clf.predict(test_x)

        if 1. in y_pred:  # Check if at least 1 review is predicted to be in the class
            results.append(((gamma, nu), (accuracy_score(y_true, y_pred),
                                              precision_score(y_true, y_pred),
                                              recall_score(y_true, y_pred),
                                              f1_score(y_true, y_pred),
                                              roc_auc_score(y_true, y_pred),
                                              ))
                               )

    # Determine and print the best parameter settings and their performance
    print_best_parameters(results, best_parameters(results))

结果存储在表单的元组列表中：

((gamma, nu)(accuracy_score,precision_score,recall_score,f1_score, roc_auc_score))

为了找到最好的准确率，f1，roc_auc 分数和参数我写了自己的函数：

最佳参数（结果）

Answer 1

是的，有一种方法可以在不对输入数据执行交叉验证的情况下搜索超参数。此方法称为ParameterGrid()，存储在sklearn.model_selection 中。这是官方文档的链接：

http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.ParameterGrid.html

您的情况可能如下所示：

grid = {'gamma' : np.logspace(-9, 3, 13),
        'nu' : np.linspace(0.01, 0.99, 99)}

要使用 grid 声明所有可能的步骤，您可以输入 list(ParameterGrid(grid))。我们也可以通过len(list(ParameterGrid(grid))) 来检查它的长度，它总共给出了 1287 个模型，因此有 1287 个模型适合训练数据。

要使用该方法，您必然需要一个 for 循环。暗示您有 clf 变量，因为您不适合从 sklearn.svm 导入的一类 SVM，循环将如下所示：

for z in ParameterGrid(grid):
    clf.set_params(**z)
    clf.fit(X_train, y_train)
    clf.predict(X_test)
    ...

我希望这就足够了。不要忘记 grid 中的名称应该与一类 SVM 的参数一致。要获取这些参数的名称，您可以输入 clf.get_params().keys()，然后您会看到“gamma”和“nu”。

Answer 2

我在寻找解决方案时遇到了同样的问题并发现了这个问题。我最终找到了一个使用 GridSearchCV 的解决方案，并将这个答案留给其他任何搜索并找到这个问题的人。

GridSearchCV 类的 cv 参数可以将可迭代的产生（训练、测试）拆分作为索引数组作为其输入。您可以生成仅使用训练折叠中正类中的数据以及正类中的剩余数据加上测试折叠中负类中的所有数据的拆分。

您可以使用sklearn.model_selection.KFold 进行拆分

from sklearn.model_selection import KFold

假设Xpos 是OneClassSVM 的正类数据的nXp numpy 数组，而Xneg 是已知异常示例的mXp 数据数组。

您可以首先使用为Xpos 生成拆分

splits = KFold(n_splits=5).split(Xpos)

这将构造一个(train, test) 形式的元组生成器，其中train 是一个numpy 数组，其中包含训练折叠中示例的索引，test 是一个包含测试示例索引的numpy 数组折叠。

然后，您可以使用将Xpos 和Xneg 组合成一个数据集

X = np.concatenate([Xpos, Xneg], axis=0)

OneClassSVM 将对它认为属于正类的示例进行预测 1.0，对它认为异常的示例进行预测 -1.0。我们可以使用

为我们的数据制作标签

y = np.concatenate([np.repeat(1.0, len(Xpos)), np.repeat(-1.0, len(Xneg))])

然后我们可以创建一个新的(train, test) 拆分生成器，其中包含测试折叠中包含的异常示例的索引。

n, m = len(Xpos), len(Xneg)

splits = ((train, np.concatenate([test, np.arange(n, n + m)], axis=0)
          for train, test in splits)

然后，您可以使用数据 X, y 以及您希望的任何评分方法和其他参数将这些拆分传递给 GridSearchCV。

grid_search = GridSearchCV(estimator, param_grid, cv=splits, scoring=...)

编辑：我没有注意到 Vivek Kumar 在另一个答案的 cmets 中建议了这种方法，并且 OP 拒绝了它，因为他们不相信它可以与他们选择最佳参数的方法。我仍然更喜欢我所描述的方法，因为 GridSearchCV 将自动处理多处理并提供异常处理以及信息警告和错误消息。

评分方式的选择也很灵活。您可以通过将字典映射字符串传递给可调用对象来使用多种评分方法，甚至可以定义自定义 评分 callables。这在 Scikit-learn 文档here 中有描述。选择最佳参数的定制方法可能会通过自定义评分函数来实现。 OP 使用的所有指标都可以使用文档中描述的字典方法包含在内。

您可以找到真实世界的示例here。当它合并到 master 时，我会记下更改链接。