python - 如何在 scikit learn 中为 SVC 估计器选择超参数？

Question

我正在使用 SVC 对一些文本进行分类，并且我想运行网格搜索，因此我按照 documentation 中提供的示例进行操作。 。在示例中，他们使用带有以下参数的 SGDClassifier:

parameters = {
    'vect__max_df': (0.5, 0.75, 1.0),
    #'vect__max_features': (None, 5000, 10000, 50000),
    'vect__ngram_range': ((1, 1), (1, 2)),  # unigrams or bigrams
    #'tfidf__use_idf': (True, False),
    #'tfidf__norm': ('l1', 'l2'),
    'clf__alpha': (0.00001, 0.000001),
    'clf__penalty': ('l2', 'elasticnet'),
    #'clf__n_iter': (10, 50, 80),
}

我的问题是，我应该为 SVC 分类器、tfidf、哈希向量化器和 CountVectorizer 尝试什么样的参数？如果这是一个多类分类问题，我应该如何选择这个参数？

Answer 1

您应该阅读这些参数的含义并自行决定。

我优化了以下内容:SVC: Gamma 和CTFIDF:max_features、max_df、min_df

这实际上取决于您的数据和模型。如果您不知道，请对许多参数和许多可能的值进行非常广泛的优化以缩小范围。这非常耗时，因此您可能需要对数据进行二次采样。