Kılavuz aramayı ve çapraz doğrulama sistemini bir araya getirin

Question

'u destekleyin Destek Vektör Makinesi sonuçlarını iyileştirmek için, daha iyi parametreler ve çapraz doğrulamayı aramak için ızgara aramayı kullanmam gerekir. Bunları scikit-learn'de nasıl birleştirdiğimi bilmiyorum. Izgara arama arama iyi parametreleri (http://scikit-learn.org/stable/modules/grid_search.html) ve overfitting çapraz doğrulama önlemek (http://scikit-learn.org/dev/modules/cross_validation.html)

#GRID SEARCH 
from sklearn import grid_search 
parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]} 
svr = svm.SVC() 
clf = grid_search.GridSearchCV(svr, parameters) 
#print(clf.fit(X, Y)) 

#CROSS VALIDATION 
from sklearn import cross_validation 
X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, Y, test_size=0.4, random_state=0) 
clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train) 

print("crossvalidation") 
print(clf.score(X_test, y_test)) 
clf = svm.SVC(kernel='linear', C=1) 
scores = cross_validation.cross_val_score(clf, X, Y, cv=3) 
print(scores) 

sonuçları:

GridSearchCV(cv=None, 
    estimator=SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0, 
kernel=rbf, probability=False, shrinking=True, tol=0.001, verbose=False), 
    estimator__C=1.0, estimator__cache_size=200, 
    estimator__class_weight=None, estimator__coef0=0.0, 
    estimator__degree=3, estimator__gamma=0.0, estimator__kernel=rbf, 
    estimator__probability=False, estimator__shrinking=True, 
    estimator__tol=0.001, estimator__verbose=False, fit_params={}, 
    iid=True, loss_func=None, n_jobs=1, 
    param_grid={'kernel': ('linear', 'rbf'), 'C': [1, 10]}, 
    pre_dispatch=2*n_jobs, refit=True, score_func=None, verbose=0) 

crossvalidation 
0.0 
[ 0.11111111 0.11111111 0.  ] 

Answer 1

Önce siz bir gelişme/değerlendirme Bacak açmayı gelişimi üzerine şebeke aramasına çalışmalıdır Sonunda değerlendirme kısmındaki benzersiz bir final skorunu ölçün ve ölçün:

the documentation'da bulunmaktadır.