多评分输入RandomizedSearchCV

文章/答案/技术大牛

发布

1回答

python、scikit-learn、cross-validation、scoring

我知道在执行RandomizedSearchCV时可以输入多个得分器，但我找不到哪个会用于优化。Log loss': 'neg_log_loss', 'AUC': 'roc_auc', 'F1': 'f1', 'Bal Acc': 'balanced_accuracy'} search_RF = RandomizedSearchCV

浏览 37提问于2021-01-30得票数 1

回答已采纳

1回答

用于GridSearchCV和RandomizedSearchCV的多类AUC

scikit-learn、auc、multiclass-classification

我正在使用GridSearchCV和RandomizedSearchCV。我有一个多类设置与4个类和一个不平衡的数据集.目前，我正在使用f1_micro作为评分函数。现在我想用的是AUC的微平均值。是否有可能在GridSearchCV和RandomizedSearchCV中使用这样的多类AUC？

浏览 1提问于2017-11-18得票数 1

1回答

如何在滑雪板上进行多输出参数调整的分类训练？

python、scikit-learn、multilabel-classification、hyperparameter-tuning

我理解它所引用的问题，即在评估多标签模型时，需要显式地设置平均值的类型。MultiOutputClassifier没有这样的论点，RandomizedSearchCV's .fit()方法也没有。我也尝试过将像precision_score(average='micro')这样的方法直接传递给RandomizedSearchCV的scoring和refit参数，但这也解决不了这个问题，因为precision_scoreMultinomialNB from sklearn.multioutput import M

浏览 0提问于2022-02-05得票数 0

回答已采纳

2回答

使用sklearn xgboost gridsearchcv的多个评分指标

python、scikit-learn、cross-validation、xgboost

calibration_curvefrom sklearn.grid_search import RandomizedSearchCVprecision_score),'Recall': make_scorer(recall_score)} random_search = RandomizedSearchCV4, cv=5, verbose=False, random

浏览 127提问于2018-05-26得票数 1

1回答

在GridSearchCV和RandomizedSearchCV中获取个性化模型和定制评分

python、scikit-learn、cross-validation、grid-search、gridsearchcv

GridSearchCV和RandomizedSearchCV的best_estimator_是：我自己对methodsEvaluate评分的定义是在测试集上进一步评分，而不是GridSearchCV所做的训练。最终，测试集的性能才是重要的。最初，我想利用现有的GridSearchCV，因为它自动处理多参数网格、CV和多线程。欢迎其他实现类似结果的建议。

浏览 6提问于2020-07-12得票数 0

2回答

在搜索超参数时，如何设置AUC作为评分方法？

python、machine-learning、scikit-learn

我想执行一个随机搜索，在分类问题上，将选择评分方法作为AUC，而不是准确性评分。numpy as npfrom sklearn.model_selection import RandomizedSearchCVn_estimators': n_estimators, # Define mode

浏览 6提问于2022-05-06得票数 0

1回答

多类目标变量XGBoost的超参数整定

scikit-learn、precision、xgboost、grid-search

这是我的代码：random = RandomizedSearchCV

浏览 1提问于2019-10-02得票数 0

回答已采纳

1回答

执行randomizedSearchCV时传递的多个eval度量

python、xgboost

考虑到问题的多标签分类性质，我想根据f1评分来评估我的模型。cross-validaton.Instantiate方法(给定f1分数不在xgboost中默认的评估指标之列)，以便将算法目标度量与classifier).的目标度量对齐，并使用f1_macro作为评分函数(与classifier).相同)来拟合RandomizedSearchCV。此外，据我从xgboost文档中可以看出，该算法是由最小化(默认情况下为给定的目标度量)工作的，我是否应该改变这种行为，因为将使用f1评分？全工作实例 import

浏览 2提问于2020-09-30得票数 3

回答已采纳

1回答

如何在RandomizedSearchCV中使用交叉验证拆分数据

scikit-learn、cross-validation、hyperparameters

我正在尝试使用RandomizedSearchCV将我的模型从单次运行转移到超参数调优。这是正确的方法吗？我的问题是:我如何访问剩余

浏览 6提问于2018-02-10得票数 0

回答已采纳

1回答

如何在sklearn中使用分层交叉验证处理多类

python、python-3.x、machine-learning、scikit-learn、cross-validation

from sklearn.model_selection import RandomizedSearchCV, GridSearchCV random_search = RandomizedSearchCV= (time.clock() - start) # timing ends here fo

浏览 0提问于2018-04-26得票数 1

回答已采纳

1回答

自定义评分函数RandomForestRegressor

python、scikit-learn、random-forest

但是，对此，我使用了一个符合我的特定需求的自定义评分函数。有没有办法将自定义评分函数传递给RandomForestRegressor？

浏览 0提问于2018-08-13得票数 1

回答已采纳

2回答

scikit评分标准-学习的LassoCV

python、scikit-learn、cross-validation、lasso-regression

我们可以为指定一个评分标准，所以也可以使用LassoCV吗？

浏览 3提问于2017-05-22得票数 3

回答已采纳

1回答

创造得分王的布里尔分数损失在科学知识-学习

python、scikit-learn

我正在尝试使用GridSearchCV和RandomizedSearchCV在scikit中学习(0.16.1)用于逻辑回归和随机森林分类器(可能还有其他分类器)来处理二进制类问题。使用标准的LogisticRegression分类器，但我不能让LogisticRegressionCV (或RandomForestClassifier的RandomizedGridCV )使用自定义的评分函数pos_label=1))但是，我不断地收到错误，这些错误本质上说，brier_sco

浏览 7提问于2015-04-16得票数 1

回答已采纳

1回答

如何减少假阳性，提高模型性能？

machine-learning-model、ensemble-modeling、performance、binary-classification、gradient-boosting-decision-trees

我使用GradientBoostingClassifier来训练模型，并使用RandomizedSearchCV执行超参数调优。目前，测试数据的指标如下：召回: 0.78准确度: 0.66下面的图像显示了目标标签和混淆矩阵的数据分布。如果某个品牌的回报条目比销售条目多，那么预测的回报也会超过销售额，这将导致错误的结果。我尝试将样本权重分配给真正的标签、欠采样和SNORT技术，以平衡数据，但它们都无助于提高性能。

浏览 0提问于2023-04-12得票数 0

1回答

学习多类分类的make_scorer自定义度量问题

python、scikit-learn、scoring

我当时正在做一个调查分析，用：一切都很好，但后来，我尝试了一个定制的评分功能： scorer_fn = make_scorer(gain_fn, greater_is_better = True, need

浏览 0提问于2021-08-29得票数 1

1回答

通过自定义度量和捕获异常来学习如何使用RandomizedSearchCV

python、scikit-learn、random-forest、cross-validation

我正在使用RandomizedSearchCV函数在学习与随机森林分类器。要查看不同的指标，我使用的是自定义评分。roc_auc_score": auc_score, "recall": recall, "MCC" : mcc, 'Bal_acc' : bal_acc, "Accuracy": acc } 这些自定义评分器是用于随机搜索的rf_random = RandomizedSearchCV(estimator=rf, para

浏览 0提问于2018-12-10得票数 3

回答已采纳

1回答

基于scikit学习的回归模型评价

python、scikit-learn、regression

ExtraTreesRegressorfrom sklearn.grid_search import GridSearchCV, RandomizedSearchCV"bootstrap": [True, False]}r = RandomizedSearchCVmean_squared_error',

浏览 3提问于2014-04-28得票数 3

回答已采纳

2回答

如何通过随机搜索优化F1评分和预测速度？

python、scikit-learn、svm、prediction

"kernel": ["rbf", "poly"],def scoringFunc: return score rand_search = RandomizedSearchCV200, n_jobs = 5, cv

浏览 0提问于2019-07-16得票数 1

2回答

scikit中的多标签分类-使用超参数搜索学习:指定平均

python、scikit-learn、multilabel-classification、hyperparameters

我理解它所引用的问题，即在评估多标签模型时，需要显式地设置平均值的类型。MultinomialNBfrom sklearn.model_selection import RandomizedSearchCVscaler', MinMaxScaler()), ] search = Ran

浏览 26提问于2022-02-05得票数 2

1回答

随机森林中的RandomizedSearchCV精度分数不匹配

python、scikit-learn、random-forest、grid-search

我试图在一个随机森林上使用RandomizedSearchCV进行一些超参数优化。我将评分方法设置为平均精度。clf = RandomForestClassifier() scoring

浏览 1提问于2018-07-04得票数 1

回答已采纳

点击加载更多