我想尝试优化RandomForest回归模型的参数，以便在准确性和预测速度之间找到最佳的折衷。我的想法是使用随机网格搜索，并评估每个测试的随机参数配置的速度/准确性。min_samples_leaf, rf_random = RandomizedSearchCVrandom_grid, n_iter = 1
浏览 43提问于2021-01-30得票数 0
回答已采纳
1回答
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。()等方法需要正确和真实的y标记作为参数，我在随机搜索的单个K折叠中无法访问这些参数。包含数据的完整代码：from sklearn.naive_bayes impo
浏览 0提问于2022-02-05得票数 0
回答已采纳
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。看看我的可再现性代码：import numpy as npy = np.random.binomi
浏览 6提问于2022-05-06得票数 0
上下文：“使用RNN构建下一个单词预测器”
我已经做了一个LSTM模型，我想围绕它来调优epochs和batch_size的数量。然而，我不能通过GridSearch的拟合方法。
浏览 5提问于2018-11-06得票数 0
2回答
我正在利用Scikit-Learn的随机森林库，我想知道是否有可能改变特性的权重，所以特定的特性有更大的影响。我浏览了随机森林文档，但我只看到了我不感兴趣的类的重量变化。
浏览 9提问于2021-05-06得票数 0
1回答
最近，我了解了随机搜索(或者sklearn.model_selection.RandomizedSearchCV中的Python)，并思考了优化过程背后的理论。特别是我的问题是，考虑到对某个算法(例如随机森林)执行随机搜索，基于什么是最佳的超参数？更具体地说，从什么意义上说，它们是模型的“最佳”超参数？他们是否最大限度地提高了模型的准确性？
浏览 0提问于2020-05-01得票数 0
回答已采纳
随机林返回类型sklearn.ensemble.forest.RandomForestClassifier，以及使用gridSearch返回类型sklearn.grid_search.RandomizedSearchCV创建的随机林。if type(estimator) == 'sklearn.grid_search.RandomizedSearchCV'是我最初的猜测，但显然是错的。
浏览 0提问于2015-09-14得票数 0
回答已采纳
2回答
Python: 3.6关于兰登森林和眼前的问题，我几乎没有什么问题： X_train, X_test, y_train, y_test = train_test_splitvalidation,
# search across 100 different combinations, and use all available
浏览 5提问于2020-05-31得票数 4
回答已采纳
因此，我已经应用随机搜索，然后网格搜索，我的MLP回归。问题是，对于随机搜索(隐藏层18、18、18 (R^2= 0.90))所建议的最佳参数，我的R^2要好于网格搜索(隐藏层17、17、17 (R^2= 0.89) )，为什么呢？from sklearn.neural_network import MLPRegressor 'ear
浏览 9提问于2022-07-18得票数 1
回答已采纳
我试图实现一个网格搜索的参数在sklearn使用随机搜索和分组k折叠交叉验证生成器。以下工作：rs=sklearn.model_selection.RandomizedSearchCV(clf,parameters,scoring='roc_auc',cv=skf,n_iter=10)这可不是rs=<e
浏览 2提问于2017-03-17得票数 11
回答已采纳
1回答
我正在使用多标签问题解决方案，我开始使用sklearn，它提供了非常好的开箱即用的方法来处理多个标签。有4个类的示例：from sklearn.ensemble import RandomForestClassifier
我试图将RandomizedSearchCV直接应用于MultiOutputC
浏览 2提问于2020-06-30得票数 0
回答已采纳
在我的问题中，我想使用一个简单的RandomizedSearchCV调谐器调优sklearn.ensemble.StackingRegressor。因为我们需要在实例化StackingRegressor()时定义估计器，所以我无法在我的param_distribution随机搜索中正确地定义估计器的参数空间。我尝试了以下方法，但遇到了错误： from sklearn.datasets import load_diabetes
from sklearn.linear_model import RidgeCV
浏览 232提问于2021-09-21得票数 0
回答已采纳
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。我的代码示例数据生成如下：from sklearn.naive_bayes importMultinomialNBfrom sklearn.model_selection import<e
浏览 26提问于2022-02-05得票数 2
2回答
线性回归拟合()加速
、、、
我想用numpy数组(几百万)的组合来做线性回归，并且想要加速这个for循环： [ 0.5, 0.6]]])
其思想是比较每个组合的
浏览 14提问于2021-03-06得票数 0
1回答
我在Kaggle的CareerCon 2019中运行一个模型--帮助导航机器人的多类竞争，有8个类，我意识到使用LGBM和RandomizedSearchCV运行该模型需要很长时间，并且使用所有可用的ram我用LGBM训练了一个简单的模型，并对其进行了超参数调整，并且公羊的使用没有爆炸，并在大约1小时内运行。# Use test subset for early stopping cri
浏览 25提问于2022-06-27得票数 0
我想在学习模型时使用k-折叠交叉验证。y_train, cv=5)from sklearn.model_selectionclf = svm.SVC(kernel='linear', C=1)我想在学习模型的同时调整模型<
浏览 3提问于2018-05-14得票数 16
回答已采纳
我正在使用下面的工作流程来训练一个随机的森林分类器供生产使用。我使用RandomizedSearchCV来调整分类器的参数，方法是打印结果，然后使用RandomizedSearchCV的结果创建一个新的管道。我假设必须有一种方法来简单地将RandomizedSearchCV的最佳结果指向分类器，这样我就不必手动地去做了，但是我不知道怎么做。select = sklearn.feature_selection.SelectKBest(k=40)
clf = sklearn.ensemble
浏览 2提问于2016-04-08得票数 0
回答已采纳
假设我创建了一个类似于这样的RandomizedSearchCV：
searcher = model_selection.RandomizedSearchCV(estimator = RandomForestClassifier对我来说，非常重要的是要知道，作为这20种组合的一部分，或者除了这20种组合之外，默认的模型参数也包括在内。有人知道这是真的吗？
浏览 4提问于2020-04-29得票数 0
回答已采纳
1回答
我使用sklearn进行回归，并使用随机网格搜索来评估不同的参数。下面是一个玩具示例：from sklearn.metrics import mean_squared_errorfrom sklearn.cross_validation import LeaveOneOut
from sklearn.grid_search import GridSearchCV, Ran
浏览 3提问于2014-04-28得票数 3
回答已采纳
我正在使用RandomizedSearchcv进行超参数优化。当我运行模型时，它会显示每个模型培训的分数。问题是，它训练了10多个模型，而实际上我希望它通过将n_iters指定为10来训练10个模型。这是我的密码from sklearn.model_selection import RandomizedSearchCVCatBoostRegressor(loss_funct
浏览 0提问于2023-03-31得票数 0
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
