scikit - CalibratedCV 上的 GridSearchCV，使用 RandomForrestClassifier 作为基本估计器

【问题标题】：scikit - GridSearchCV on CalibratedCV with RandomForrestClassifier as base estimatorscikit - CalibratedCV 上的 GridSearchCV，使用 RandomForrestClassifier 作为基本估计器
【发布时间】：2015-11-22 23:44:39
【问题描述】：

我想知道是否有办法在 CalibratedCV 中嵌入的 RandomForrestClassifier 上执行 GridSearchCV，我想优化日志丢失，所以我需要在 CalibratedCV 上进行评估，但我想更改 RandomForrest 的参数。

提前致谢

【问题讨论】：

从文档中我看不到将基本估计器传递给管道内的 CalibratedCV 的方法，因此我必须实现一个自定义分类器，这不是微不足道的，因为它必须与克隆一起工作（ ) GridSearchCV 中使用的方法。

标签： python scikit-learn classification grid-search hyperparameters

【解决方案1】：

由于我需要 RandomSearchCV 和 RandomForrestClassifier 可以愉快地使用所有可用的内核，我最终得到了自己的解决方案，该解决方案使用：

from numpy import random
def random_params(model_parameters):
    model_params = {}
    for k, v in model_parameters.iteritems():
        if type(v) is list:
            model_params[k] = random.choice(v)
        elif 'scipy' in str(type(v)):
            try:
                from scipy.stats import distributions
            except ValueError:
                raise ValueError('random_search requires scipy.stats')

            model_params[k] = v.rvs(1)[0]
        elif isinstance(v, int) or isinstance(v, float) or isinstance(v, str):
            model_params[k] = v
        else:
            raise ValueError('Unrecognized search value for parameter %s' % k)
    return model_params

随机绘制参数集。其余的都是微不足道的。

【讨论】：