在sklearn中使网格搜索功能忽略空模型

Question

使用 python 和 scikit-learn，我想进行网格搜索。但我的一些模型最终是空的。如何使网格搜索功能忽略这些模型？

我想我可以有一个评分函数，如果模型为空，它会返回 0，但我不确定如何实现。

predictor = sklearn.svm.LinearSVC(penalty='l1', dual=False, class_weight='auto')
param_dist = {'C': pow(2.0, np.arange(-10, 11))}
learner = sklearn.grid_search.GridSearchCV(estimator=predictor,
                                           param_grid=param_dist,
                                           n_jobs=self.n_jobs, cv=5,
                                           verbose=0)
learner.fit(X, y)

我的数据的方式是该learner对象将选择C与空模型相对应的数据。知道如何确保模型不为空吗？

编辑：“空模型”是指选择了 0 个要使用的特征的模型。特别是对于l1正则化模型，这种情况很容易发生。所以在这种情况下，如果CSVM中的 足够小，优化问题就会找到0向量作为系数的最优解。因此predictor.coef_将是 s 的向量0。

Answer 1

尝试实现自定义记分器，类似于：

import numpy as np

def scorer_(estimator, X, y):
    # Your criterion here
    if np.allclose(estimator.coef_, np.zeros_like(estimator.coef_)):
        return 0
    else:
        return estimator.score(X, y)

learner = sklearn.grid_search.GridSearchCV(...
                                           scoring=scorer_)