我正尝试将RandomizedSearchCV应用于RegressorChain XGBoost模型，但遇到错误:参数learning_rate对于estimator无效(base_estimator=XGBRegressor。如果我注释了grid dict中的所有值，它就能正常工作，否则它不接受任何参数。 相同的模型(XGBRegressor和RegressorChain)单独工作也很好。Rand
浏览 180提问于2021-08-20得票数 0
回答已采纳
1回答
回归链中基估计的属性
、、、、
我正在使用RegressorChain在Scikit学习中解决多输出回归问题，但是在对模型进行拟合之后，我需要检索拟合的模型库分类器来访问估计器属性。我试图访问RegerssorChain中的基估计器的属性，但是我做不到。最后一行返回'
浏览 0提问于2020-09-20得票数 0
回答已采纳
我知道有一些标准的回归者在本地支持这个任务。 ('estimator', RegressorChain以及：
param_grid = {
浏览 8提问于2020-07-03得票数 2
回答已采纳
我正在寻找使用XGBRegressor使用HalvingGridSearchCV的最佳超参数。以下是代码： scale_pos_weight=1,nthread=12)
params = {'learning_rate
浏览 5提问于2021-09-03得票数 0
我试图将字典传递给sklearn分类器以设置其参数，但我也希望设置base_estimator特性，例如： learning_rate=1.0, n_estimators=200, random_state=None)>>> x = {'base_estimatormodule>
TypeError: __init__
浏览 1提问于2018-05-24得票数 5
回答已采纳
我使用的是AdaBoost，我想看看哪个估计器参数在使用GridSearchCV时工作得最好。是否可以在我的“参数”变量中包含估计器参数？例如，如何更改DecisionTreeClassifier的DecisionTreeClassifier？
浏览 1提问于2019-05-06得票数 0
但我不断地发现错误：下面是使用虚拟数据集的步骤。(max_depth = 5, 当助推器= &
浏览 5提问于2020-06-28得票数 5
我试图比较logistic回归模型和一些集合模型(打包和增强)和logistic回归作为它们的基础估计量。但令人惊讶的是，我的三个分类器都得到了相同的分数：这是我的密码，请帮帮
浏览 2提问于2021-09-22得票数 0
回答已采纳
(RegressorChain(base_estimator=estimator, order=[0, 1, 3, 4, 2, 5]), None, 1)
model = RegressorChain我得到这个错误是因为RegressionChain不是主要的估计器，它只是链，所以它没有coef_或feature_importance_属性，但是基本估计器有。(RegressorChain(base_estimator
浏览 5提问于2021-10-03得票数 1
我看到一些xgboost方法接受参数num_boost_round，如下所示：然而，其他人像这样对待n_estimators：据我所知，每次应用boosting都会创建一个新的估计
浏览 0提问于2018-01-02得票数 21
我试图使用AdaBoost ("DTC")作为base_estimator来调优DecisionTreeClassifier分类器("ABT")。我想同时调优的 ABT和DTC参数，但不知道如何实现--管道不应该工作，因为我不是将DTC的输出“管道”到ABT。其想法是在GridSearchCV估计器中迭代ABT和DTC的超参数。如何正确地指定调优参数？
我尝试了以下操作，这在下
浏览 5提问于2015-08-25得票数 32
回答已采纳
我想使用带有LinearSVC的AdaBoostClassifier作为基本估计器。我想对LinearSVC中的一些参数进行网格搜索。此外，我还必须缩放我的功能。multi_class ='crammer_singer',tol=10e-3,max_iter=10000,class_weight='balanced')
ABC = AdaBoostClassifier(base_estimator=SVC_Kernel,n_est
浏览 14提问于2019-10-24得票数 0
回答已采纳
也许是一些参数混乱？model_selection.KFold(n_splits=10, random_state=seed) model = ensemble(base_estimatormodel_selection.cross_val_score(ensemble, X, Y, cv=kfold)我希望集成运行分类器，我首先将order更改为BaggingClassifier，但显
浏览 0提问于2019-01-05得票数 1
嗨，我想在蘑菇数据集上使用一个简单的。label])
Y = dataset['target']
AdaBoost.fit(X,Y)
浏览 0提问于2018-05-30得票数 0
回答已采纳
1回答
我所做的就是使用调优的类词(在我尝试过的类词列表中)，它显示了最佳的分数作为基本估计器:一个SVC()。然后，我对AdaBoostClassfier的其他参数进行网格搜索：learning_rate: [0.1,0.4,0.7,1]现在我有三个问题要问你：
为什么调优的SVC()显示出82.5%
浏览 1提问于2020-07-12得票数 0
=0, 'n_estimators':[10,50,250,1000],
'learning_rateparameters,verbose=3,scoring=&#x
浏览 23提问于2022-05-14得票数 0
我试图创建一个由一个确定的回归者组成的集合，考虑到这一点，我已经在寻找一些方法来使用sklearn已经存在的集成方法，并试图改变集合的基本估计器。打包文档很清楚，因为它说您可以通过将回归变量作为参数传递给"base_estimator“来更改基估计器，但是使用GradientBoosting，您可以在"init”参数中传递一个回归变量。我的问题是:在Gradie
浏览 2提问于2020-09-15得票数 0
回答已采纳
1回答
假设我有一个多等级的分类问题，例如“可食”、“营养”和“~营养”，所以可以这样来表示。├── edible│ └── ~nutritious虽然支持多类分类的分类器或对不支持多类分类的分类器使用one -vs-1/all方案，可以获得合理的性能，但在每个级别上分别对分类器进行训练并将它们连接起来也是有益的，这样就可以将被归类为“可食”的实例归为“nutritious”或“不
浏览 1提问于2014-01-16得票数 7
回答已采纳
我希望将投票分类器应用于多个管道分类器，并在网格搜索中优化参数。下面的最小示例给出了一个错误。我一定要换个方式吗？
浏览 2提问于2017-10-17得票数 4
回答已采纳
现在，我想将ensemble.AdaBoostClassifier与LinearSVC一起用作base_estimator。然后更改参数algorithm并再次运行代码。正如在中所说的，即使我将一个整数赋给n_samples，Sample weights., learning_rate=1.0, algorithm='SAMME.R')程序无法获得结果，服务器上使用的内存保持不变。第三个问题是，如何使AdaBoostClassifier
浏览 3提问于2014-11-24得票数 16
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
