代码之家 › 专栏 › 技术社区 › user2051561

Scikit学习:如何定义网格搜索的距离度量参数

grid-search metrics distance scikit-learn parameters

user2051561 · 技术社区 · 8 年前

我有以下代码片段,尝试进行网格搜索,其中一个网格参数是用于KNN算法的距离度量。如果我使用“wminkowski”、“seucidean”或“mahalanobis”距离度量,下面的示例将失败。

# Define the parameter values that should be searched
k_range    = range(1,31)
weights    = ['uniform' , 'distance']
algos      = ['auto', 'ball_tree', 'kd_tree', 'brute']
leaf_sizes = range(10, 60, 10)    
metrics = ["euclidean", "manhattan", "chebyshev", "minkowski", "mahalanobis"]

param_grid = dict(n_neighbors = list(k_range), weights = weights, algorithm = algos, leaf_size = list(leaf_sizes), metric=metrics)
param_grid

# Instantiate the algorithm
knn = KNeighborsClassifier(n_neighbors=10)

# Instantiate the grid
grid = GridSearchCV(knn, param_grid=param_grid, cv=10, scoring='accuracy', n_jobs=-1)

# Fit the models using the grid parameters
grid.fit(X,y)

我认为这是因为我必须设置或定义各种距离参数的范围(例如,对于wminkowski-WMinkowskiDistance,p、w)。“minkowski”距离可能有效,因为其“p”参数的默认值为2。

所以我的问题是:

我们可以为网格搜索设置距离度量的参数范围吗?如果可以,如何设置?
我们可以为网格搜索的距离度量设置参数值吗?如果可以,如何设置?

希望问题是清楚的。 TIA公司

1 回复 | 直到 8 年前

user2051561 8 年前

在Scikit用户和开发人员邮件列表的帮助下,我终于得到了答案。我把我学到的东西放在这里,希望它也能帮助别人。

以上两个问题的答案是:是的。这是我从邮件列表中获得的示例代码:

params = [{'kernel':['poly'],'degree':[1,2,3],'gamma':[1/p,1,2],'coef0':[-1,0,1]},
          {'kernel':['rbf'],'gamma':[1/p,1,2]},
          {'kernel':['sigmoid'],'gamma':[1/p,1,2],'coef0':[-1,0,1]}]

需要注意两件事:

您可以列出一组参数,对于每组参数,您可以只放置参数组所需的内容。这意味着我们可以选择度量和相应的参数。这些参数是使用键命名的。
对于每个键,我们可以使用一个值列表-网格搜索将使用这些值的每个组合,并传递给相应的度量函数。

这仍然给我们留下了一个问题:如何将参数组合传递给度量。注意:并非所有指标都可以由算法使用,因此您必须手动设置这些指标。

我现在展示我上面要求的示例:

{'metric': ['wminkowski'], 
                     'metric_params':[
                                {'w':np.array([2.0] * len(X.columns)),'p':1.0},   # L1
                                {'w':np.array([2.0] * len(X.columns)),'p':1.5},
                                {'w':np.array([2.0] * len(X.columns)),'p':2.0},   # L2
                                {'w':np.array([2.0] * len(X.columns)),'p':2.5},
                                {'w':np.array([2.0] * len(X.columns)),'p':3.5},
                                {'w':np.array([2.0] * len(X.columns)),'p':3.0}
                               ], 
                     'algorithm': ['brute', 'ball_tree'], 
                     'n_neighbors': list(k_range), 'weights': weights, 'leaf_size': list(leaf_sizes) }

请注意以下事项:

'wminkowski' 仅适用于 ['brute', 'ball_tree'] 算法。
我们必须在 'metric_params' 为了枚举所有可能的参数组合(我还没有找到自动化的方法)。
在上面的例子中,我被迫使用numpy数组,因为转换不是隐式进行的(否则会出现异常)

任何人都知道一种更好的方法,请评论。