使用 GridSearchCv 优化 SVR() 参数

Question

我想调整“SVR()”回归函数的参数。它开始处理并且不会停止，我无法找出问题所在。我正在使用 SVM 回归函数 SVR() 预测参数。Python 中的默认值结果不好。所以我想尝试使用“GridSearchCv”对其进行调整。最后一部分“grids.fit(Xtrain,ytrain)”开始运行，没有给出任何错误，并且不会停止。 使用 GridSearch 代码进行 SVR() 调整 ：

从 sklearn.model_selection 导入 GridSearchCV。

param = {'kernel' : ('linear', 'poly', 'rbf', 'sigmoid'),'C' : [1,5,10],'degree' : [3,8],'coef0' : [0.01,10,0.5],'gamma' : ('auto','scale')},

modelsvr = SVR(),

grids = GridSearchCV(modelsvr,param,cv=5)

grids.fit(Xtrain,ytrain)

它继续处理而不停止。

Answer 1

是的你是对的。当我尝试为 SVR() 运行 GridsearchCV 时，我遇到了同样的情况。可能的原因是，1）您的处理器内存（RAM）必须较小，2）训练数据样本大小较大，由于您的处理器内存较低，因此有可能消耗更多时间来运行 Gridsearch，因此作业运行时不会出现任何错误时间会更多。

供您参考：我使用 16GB RAM 内存空间运行了 Gridsearch，训练样本大小为 30K，完成运行需要 210 分钟。所以，这里必须要有耐心。

快乐分析！！