Python sklearn : why must I set up a new estimator to plot a learning curve?

Question

我正在使用 GridSearchCV 来调整 SVM 分类器，然后绘制学习曲线。然而，除非我在绘制学习曲线之前设置一个新的分类器，否则我会遇到 IndexError 并且我不太确定为什么。

我的简历/分类器设置如下:

# Set up classifier
clf_untuned = OneVsRestClassifier(SVC(kernel='rbf', random_state=0, max_iter=1000))
cv = cross_validation.ShuffleSplit(data_image.shape[1], n_iter=10,
                                       test_size=0.1, random_state=0)

# Use cross validation / grid search to find optimal hyperparameters
if TRAINING_CROSS_VALIDATION == 1:
    params = {
        ...
    }
    clf_tuned = GridSearchCV(clf_untuned, cv=cv, param_grid=params)
    clf_tuned.fit(x_train, y_train)
    print('Best parameters: %s' % clf_tuned.best_params_)
else:
    clf_tuned = OneVsRestClassifier(SVC(kernel='rbf',
                                        C=100, gamma=0.00001, random_state=0, verbose=0))
    clf_tuned.fit(x_train, y_train)

然后我继续绘制学习曲线，其中plot_learning_curve 复制了 sklearn 示例 ( http://scikit-learn.org/stable/auto_examples/model_selection/plot_learning_curve.html )。如果我使用以下代码，则会在plot_learning_curve 中的“learning_curve”行收到以下错误:

# Plot learning curve for best params -- yields IndexError
plot_learning_curve(clf_tuned, title, x_train, y_train, ylim=(0.6, 1.05), cv=cv)

IndexError: index 663 is out of bounds for size 70

但是，如果我启动一个新的分类器，那么一切正常:

# Plot learning curve for best params -- functions correctly
estimator = OneVsRestClassifier(SVC(kernel='rbf',
                                        C=100, gamma=0.00001, random_state=0, verbose=0))
plot_learning_curve(estimator, title, x_train, y_train, ylim=(0.6, 1.05), cv=cv)

这是为什么呢？非常感谢，欢迎对我的可疑实现提出其他意见。

Answer 1

通过将网格搜索获得的最佳估计器传递为 clf_tuned.best_estimator_ 解决了该问题