有没有一种方法可以对一类SVM执行网格搜索超参数优化

Question

有没有一种方法可以使用GridSearchCV或任何其他内置的sklearn函数来为OneClassSVM分类器找到最佳的超参数？

我目前要做的是使用训练/测试拆分自己执行搜索，如下所示：

Gamma和nu值定义为：

gammas = np.logspace(-9, 3, 13)
nus = np.linspace(0.01, 0.99, 99)

探索所有可能的超参数并找到最佳参数的函数：

clf = OneClassSVM()

results = []

train_x = vectorizer.fit_transform(train_contents)
test_x = vectorizer.transform(test_contents)

for gamma in gammas:
    for nu in nus:
        clf.set_params(gamma=gamma, nu=nu)

        clf.fit(train_x)

        y_pred = clf.predict(test_x)

        if 1. in y_pred:  # Check if at least 1 review is predicted to be in the class
            results.append(((gamma, nu), (accuracy_score(y_true, y_pred),
                                              precision_score(y_true, y_pred),
                                              recall_score(y_true, y_pred),
                                              f1_score(y_true, y_pred),
                                              roc_auc_score(y_true, y_pred),
                                              ))
                               )

    # Determine and print the best parameter settings and their performance
    print_best_parameters(results, best_parameters(results))

结果存储在以下形式的元组列表中：

（（gamma，nu）（accuracy_score，precision_score，recall_score，f1_score，roc_auc_score））

为了找到最佳的精度，f1，roc_auc分数和参数，我编写了自己的函数：

best_parameters（结果）

Answer 1

我遇到了同样的问题，并在寻找解决方案时发现了这个问题。我最终找到了一个解决方案，该解决方案使用GridSearchCV并将此答案留给搜索并找到此问题的任何其他人。

GridSearchCV类的cv参数可以将可迭代的屈服（训练、测试）分割作为索引数组作为其输入。您可以生成仅使用训练折叠中正类的数据、正类中的剩余数据以及测试折叠中负类中的所有数据的拆分。

你可以sklearn.model_selection.KFold用来做分裂

from sklearn.model_selection import KFold

假设Xpos是正类的 nXp numpy 数据数组，OneClassSVM并且Xneg是已知异常示例的 mXp 数据数组。

您可以先生成拆分Xpos使用

splits = KFold(n_splits=5).split(Xpos)

这将构造一个元组生成器，(train, test)其中train是一个包含训练折叠中示例索引的 int numpy 数组，以及test一个包含测试折叠中示例索引的 numpy 数组。

然后Xpos，您可以Xneg使用

X = np.concatenate([Xpos, Xneg], axis=0)

在OneClassSVM将预测1.0的例子就认为是在正班和预测-1.0它认为是反常的例子。我们可以使用以下方法为我们的数据制作标签

y = np.concatenate([np.repeat(1.0, len(Xpos)), np.repeat(-1.0, len(Xneg))])

然后，我们可以创建一个新的(train, test)分裂生成器，其中包含测试折叠中包含的异常示例的索引。

n, m = len(Xpos), len(Xneg)

splits = ((train, np.concatenate([test, np.arange(n, n + m)], axis=0)
          for train, test in splits)

然后，您可以将这些拆分传递给GridSearchCV使用数据X, y以及您希望的任何评分方法和其他参数。

grid_search = GridSearchCV(estimator, param_grid, cv=splits, scoring=...)

编辑：我没有注意到 Vivek Kumar 在另一个答案的评论中建议了这种方法，并且 OP 拒绝了它，因为他们不相信它可以与他们选择最佳参数的方法一起使用。我仍然更喜欢我所描述的方法，因为 GridSearchCV 将自动处理多处理并提供异常处理和信息性警告和错误消息。

在评分方法的选择上也很灵活。您可以通过将字典映射字符串传递给可调用对象评分来使用多种评分方法，甚至可以定义自定义评分可调用对象。这在此处的 Scikit-learn 文档中有所描述。选择最佳参数的定制方法可能可以通过自定义评分函数来实现。OP 使用的所有指标都可以使用文档中描述的字典方法包含在内。

你可以在这里找到一个真实世界的例子。当它合并到 master 时，我会记下更改链接。

Answer 2

是的，有一种方法可以搜索超参数，而无需对输入数据执行交叉验证。此方法被调用ParameterGrid()并存储在sklearn.model_selection. 这是官方文档的链接：

http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.ParameterGrid.html

您的案例可能如下所示：

grid = {'gamma' : np.logspace(-9, 3, 13),
        'nu' : np.linspace(0.01, 0.99, 99)}

要使用网格断言所有可能的步骤，您可以键入list(ParameterGrid(grid))。我们还可以检查它的长度，通过len(list(ParameterGrid(grid)))它总共给出 1287 和 1287 个模型以适应训练数据。

要使用该方法，您必须为此使用for循环。暗示您有clf变量，因为您从sklearn.svm循环导入的未拟合的一类 SVM将如下所示：

for z in ParameterGrid(grid):
    clf.set_params(**z)
    clf.fit(X_train, y_train)
    clf.predict(X_test)
    ...

我希望这就足够了。不要忘记网格中的名称应该与一类 SVM 的参数一致。要获得这些参数的名称，您可以键入clf.get_params().keys()，然后您会看到“gamma”和“nu”。