scikit-learn:在grid_search中使用sample_weight

Question

是否可以执行grid_search(以获得最佳SVM的C)并使用scikit-learn指定sample_weight？

这是我遇到的错误:

gs = GridSearchCV(svm.SVC(C = 1),[{'kernel':['linear'],'C':[.1,1,10],'probability':[True],'sample_weight': sw_train}])

gs.fit(Xtrain,ytrain)

>> ValueError:估算器SVC的参数sample_weight无效

谢谢

[编辑]

感谢FP:我需要获得最新版本的SKL并使用以下内容:

gs.fit(Xtrain,ytrain,fit_params = {'sample_weight':sw_train})

Answer 1

试图结束这个悬而未决的问题......

您需要获取SKL的最新版本并使用以下内容:

gs.fit(Xtrain, ytrain, fit_params={'sample_weight': sw_train})

但是,它更符合传递fit_params给构造函数的文档:

gs = GridSearchCV(svm.SVC(C=1), [{'kernel': ['linear'], 'C': [.1, 1, 10], 'probability': [True], 'sample_weight': sw_train}], fit_params={'sample_weight': sw_train})

gs.fit(Xtrain, ytrain)

Answer 2

以前的答案现在已经过时了。字典fit_params应该传递给fit方法。

从GridSearchCV的文档中：

fit_params : 字典，可选

传递给 fit 方法的参数。

0.19 版后已弃用：作为构造函数参数的 fit_params 在 0.19 版中已弃用，并将在 0.21 版中删除。改为将 fit 参数传递给 fit 方法。

Answer 3

在0.16.1版本中，如果使用Pipeline，则需要将参数传递给GridSearchCV构造函数：

clf = pipeline.Pipeline([('svm', svm_model)])
model = grid_search.GridSearchCV(estimator = clf, param_grid=param_grid,
    fit_params={'svm__sample_weight': sw_train})