Sklearn MLP分类器超参数优化（RandomizedSearchCV）

Question

Sklearn MLP分类器超参数优化（RandomizedSearchCV）

pythonmachine-learningscikit-learnhyperparameters

3

我有以下参数设置：

parameter_space = {
    'hidden_layer_sizes': [(sp_randint(100,600),sp_randint(100,600),), (sp_randint(100,600),)],
    'activation': ['tanh', 'relu', 'logistic'],
    'solver': ['sgd', 'adam', 'lbfgs'],
    'alpha': stats.uniform(0.0001, 0.9),
    'learning_rate': ['constant','adaptive']}

除了 hidden_layer_sizes 参数之外，其他所有参数都按预期工作。然而，拟合此 RandomizedSearchCV 模型并显示其详细文本时，它将 hidden_layer_sizes 视为：hidden_layer_sizes=(<scipy.stats._distn_infrastructure.rv_frozen object，然后抛出错误：TypeError: '<=' not supported between instances of 'rv_frozen' and 'int'。这个结果与预期的具有 100 到 600 个隐藏层神经元的 1 或 2 层 MLP 不同。有什么想法或其他相关提示吗？

- MG_Ghost

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Sandipan Dey · Accepted Answer

sp_randint 返回一个 rv_discrete 类的实例 / 一个 randint 对象，为了生成随机数，正确的语法应该是 sp_randint.rvs(low, high, size)。为了使其正常工作，您需要按照以下方式定义 parameter_space:

parameter_space = { 'hidden_layer_sizes': [(sp_randint.rvs(100,600,1),sp_randint.rvs(100,600,1),), (sp_randint.rvs(100,600,1),)], 'activation': ['tanh', 'relu', 'logistic'], 'solver': ['sgd', 'adam', 'lbfgs'], 'alpha': uniform(0.0001, 0.9), 'learning_rate': ['constant','adaptive']}