python - scikit-learn 中继承的意外结果

Question

在尝试创建 KNeighborsClassifier 类的简单修改时，我得到了意外的结果:

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=0)

class my_Classifier(KNeighborsClassifier):  
  """My Nearest Neighbour classifier"""
  def __init__(self, gamma=0):
    def my_dist(x, y):  # squared distance
      return np.sum((abs(x-y))**gamma)
    KNeighborsClassifier.__init__(self, n_neighbors=1, metric=my_dist)
    self.gamma = gamma
    print(gamma)
  def fit(self, X, y):
    KNeighborsClassifier.fit(self, X, y)
    return self
  def predict(self, X, y=None):
    return KNeighborsClassifier.predict(self, X)
  def score(self, X, y):
    return KNeighborsClassifier.score(self, X, y)

我已使指标依赖于参数 gamma>=0。如果 gamma=2，则这只是平方欧几里得度量，如果 gamma=0，则这是一个无用的度量(本质上是一个常数)。首先它按预期工作:对于

knn = my_Classifier(gamma=2)
knn.fit(X_train, y_train)
knn.score(X_test,y_test)

输出为

2
0.9736842105263158

(准确度很好)并且对于

knn = my_Classifier(gamma=0)
knn.fit(X_train, y_train)
knn.score(X_test,y_test)

输出为

0
0.34210526315789475

(准确率令人绝望)。我还打印了所使用的 Gamma 值。

但是，当我尝试

from sklearn.model_selection import GridSearchCV
param_grid = {'gamma': [0,2]}
grid_search = GridSearchCV(my_Classifier(), param_grid)
grid_search.fit(X_train, y_train)
grid_search.score(X_test, y_test)

结果出乎意料:

0
0
0
0
0
0
0
0
0.34210526315789475

为什么每次都使用gamma=0这个值？并且 gamma=2 (产生更好的结果)从未尝试过。我知道我犯了一些愚蠢的错误，但看不出在哪里。

Answer 1

不是每次都使用值 gamma = 0!

当你得到这个时你会看到什么:

0
0
0
0
0
0
0
0
0.34210526315789475

是分数

<小时/>

要查看gamma，请使用以下命令:

grid_search.cv_results_