python - GridSearchCV 没有关于高冗长的报告

Question

好的，我只想说，我对 SciKit-Learn 和数据科学完全陌生。但这是问题所在，也是我目前对该问题的研究。代码在底部。

总结

我正尝试使用 BernoulliRBM 进行类型识别(例如数字)，并尝试使用 GridSearchCV 查找正确的参数。但是我没有看到任何事情发生。在很多使用冗长设置的示例中，我看到了输出和进度，但在我的示例中，它只是说，

Fitting 3 folds for each of 15 candidates, totalling 45 fits

然后它坐在那里什么都不做......永远(或 8 小时，这是我在高冗长设置下等待的最长时间)。

我有一个相当大的数据集(1000 个二维数组，每个数组的大小为 428 x 428)，所以这可能是问题所在，但我还将详细程度设置为 10，所以我觉得我应该看到某种输出或进步。此外，就我的“目标”而言，它要么是 0 要么是 1，它要么是我正在寻找的对象 (1)，要么不是 (0)。

前期研究

• 我查看了 sklearn.preprocessing 以查看是否有必要，这似乎不是问题所在(但同样，我对此完全陌生)。
• 我增加了冗长度
• 我从使用 3D 数据列表切换到使用 scipy csr 矩阵列表。
• 我在高冗长设置下等了 8 个小时，我仍然没有看到任何事情发生。
• 我从不使用管道切换到使用管道

• 我篡改了 gridsearchcv 的各种参数并尝试创建假的(较小的)数据集来练习。

  def network_trainer(self, data, files):
      train_x, test_x, train_y, test_y = train_test_split(data, files, test_size=0.2, random_state=0)
  
      parameters = {'learning_rate':np.arange(.25, .75, .1), 'n_iter':[5, 10, 20]}
      model = BernoulliRBM(random_state=0, verbose=True)
      model.cv = 2
      model.n_components = 2
  
      logistic = linear_model.LogisticRegression()
      pipeline = Pipeline(steps=[('model', model), ('clf', logistic)])
  
      gscv = grid_search.GridSearchCV(pipeline, parameters, n_jobs=-1, verbose=10)
      gscv.fit(train_x, train_y)
      print gscv.best_params_
  

我真的很感激在这里朝着正确的方向轻推。感谢您考虑我的问题。

Answer 1

好吧，所以我只是总结一下我在过去几天里想到的一切。

• 在 Windows 8.1 上，如果您仍然希望 n_jobs 过于冗长，请不要将它设置为 1 以外的任何值。
• 在我的例子中，尽管我只有 n_jobs = 1，但我的所有处理器内核仍参与计算，所以这要么是一个错误，要么应该更好地记录下来。
• 我犯了一个可怕的错误，那就是使用 csr 矩阵列表，所以基本上，请阅读文档，然后在提问之前再阅读一遍。

再次感谢@Barmaley.exe 提供的初始提示。