machine-learning - 您将如何使用 Sklearn 的 VotingClassifier 进行 RandomizedSearchCV？

Question

我正在尝试调整我的投票分类器。我想在 Sklearn 中使用随机搜索。但是，由于我当前使用两种算法(不同的树算法)，您如何为我的投票分类器设置参数列表？我是否必须单独运行随机搜索并稍后在投票分类器中将它们组合在一起？

有人可以帮忙吗？代码示例将受到高度赞赏:)

谢谢!

Answer 1

您可以完美地将两者结合起来，VotingClassifier与 RandomizedSearchCV 。 无需单独运行它们。请参阅文档:http://scikit-learn.org/stable/modules/ensemble.html#using-the-votingclassifier-with-gridsearch

诀窍是在你的 params 前面加上前缀列出您的估算员姓名。例如，如果您创建了 RandomForest估计器，您将其创建为 ('rf',clf2)那么你可以以 <name__param> 的形式设置它的参数。具体示例:rf__n_estimators: [20,200] ，因此您可以引用特定的估计器并设置值来测试特定参数。

准备测试可执行代码示例；)

import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import VotingClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.grid_search import RandomizedSearchCV

X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
y = np.array([1, 1, 1, 2, 2, 2])

clf1 = DecisionTreeClassifier()
clf2 = RandomForestClassifier(random_state=1)

params = {'dt__max_depth': [5, 10], 'rf__n_estimators': [20, 200],}


eclf = VotingClassifier(estimators=[('dt', clf1), ('rf', clf2)], voting='hard')

random_search = RandomizedSearchCV(eclf, param_distributions=params,n_iter=4)
random_search.fit(X, y)
print(random_search.grid_scores_)