python - tpot:仅使用多输出回归器

Question

我想使用tpot。我拥有的数据仅包括多输出连续变量(即输出形状为:(n_samples，n_output_variables)，其中所有项目都是 float )。

这可以使用 sklearn 的 MultiOutputRegressor 类来实现。但因为我有超过 100 个不同的输出变量，所以我想避免对每个单独的输出应用 tpot。

现在，我如何使用 tpot 只搜索多输出模型？有没有办法告诉tpot只应该使用多输出模型(例如DecisionTree)？

Answer 1

关于具有多个输出的回归器:

您遇到了多输出回归问题。我建议您检查这个答案:Multi-output regression .

有些回归器本身支持目标上的多个输出，例如 KNeighborsRegressor、DecisionTreeRegressor、GradientBoostingRegressor、ExtraTreesRegressor 和 RandomForestRegressor。如果您像您已经提到的那样使用 MultiOutputRegressor，则其他(如 SGDRegressor、ElasticNetCV 等)可以与多个输出一起使用。

<小时/>

关于 TPOT 和多输出回归:

目前 TPOT 可以与所有原生支持多个输出的回归器一起使用，但您必须为此调整文件，因为它尚未实现，请查看 https://github.com/EpistasisLab/tpot/issues/971 。如果您想将其他回归器(单输出)与 MultiOutputRegressor 一起进行比较，TPOT 目前只能让您一次选择一个。也就是说，您可以仅指定几种算法中的一种，然后搜索最佳管道。然后你可以用另一种算法重新运行。

关于指定要搜索的算法的问题:首先查看官方文档并阅读自定义 TPOT 的运算符和参数部分。如果您只想使用某些特定算法，实现此目的的一种方法是复制回归的标准 TPOT 配置 ( https://github.com/EpistasisLab/tpot/blob/master/tpot/config/regressor.py )，将其包含在您的代码中并取消注释(或添加)所有您不使用的算法(或do)想要包含在您的搜索中。