パイプラインで主成分分析とサポートベクターマシンを組み合わせる

Question

PCSとSVMをパイプラインに結合して、GridSearchで最適なハイパーパラメータの組み合わせを見つけたいと考えています。

次のコード

AttributeError: 'dict' object has no attribute 'get_params' 

で

from sklearn.svm import SVC 
from sklearn import decomposition, datasets 
from sklearn.pipeline import Pipeline 
from sklearn.model_selection import GridSearchCV 

digits = datasets.load_digits() 
X_train = digits.data 
y_train = digits.target 

#Use Principal Component Analysis to reduce dimensionality 
# and improve generalization 
pca = decomposition.PCA() 
# Use a linear SVC 
svm = SVC() 
# Combine PCA and SVC to a pipeline 
pipe = Pipeline(steps=[('pca', pca), ('svm', svm)]) 
# Check the training time for the SVC 
n_components = [20, 40, 64] 
svm_grid = [ 
    {'C': [1, 10, 100, 1000], 'kernel': ['linear']}, 
    {'C': [1, 10, 100, 1000], 'gamma': [0.001, 0.0001], 'kernel': ['rbf']}, 
] 
estimator = GridSearchCV(pipe, 
         dict(pca__n_components=n_components, 
           svm=svm_grid)) 
estimator.fit(X_train, y_train) 

結果、私が定義しsvm_gridを使用する方法に何か問題がある可能性があります。このパラメータの組み合わせをGridSearchCVに正しく渡すにはどうすればよいですか？

if parameters is not None: 
    estimator.set_params(**parameters) 

は推定器は、ここでパイプラインオブジェクト、ではないので、あなたのパラメータグリッドの命名の実際のSVMた：

Answer 1

問題はGridSearchCVが推定器のパラメータを与えることをしようとしたときにということでした。

は、私はそれがこのようにする必要があります信じる：

from sklearn.svm import SVC 
from sklearn import decomposition, datasets 
from sklearn.pipeline import Pipeline 
from sklearn.model_selection import GridSearchCV 

digits = datasets.load_digits() 
X_train = digits.data 
y_train = digits.target 

# Use Principal Component Analysis to reduce dimensionality 
# and improve generalization 
pca = decomposition.PCA() 
# Use a linear SVC 
svm = SVC() 
# Combine PCA and SVC to a pipeline 
pipe = Pipeline(steps=[('pca', pca), ('svm', svm)]) 
# Check the training time for the SVC 
n_components = [20, 40, 64] 

params_grid = { 
    'svm__C': [1, 10, 100, 1000], 
    'svm__kernel': ['linear', 'rbf'], 
    'svm__gamma': [0.001, 0.0001], 
    'pca__n_components': n_components, 
} 

estimator = GridSearchCV(pipe, params_grid) 
estimator.fit(X_train, y_train) 

print estimator.best_params_, estimator.best_score_ 

出力：

{'pca__n_components': 64, 'svm__C': 10, 'svm__kernel': 'rbf', 'svm__gamma': 0.001} 0.976071229827 

params_gridであなたのすべてのパラメータを組み込むという名前のステップに対応し、それらを命名します。

希望すると便利です。がんばろう！