Keras: 在进行超参数网格搜索时出现内存不足的问题
我正在运行多个嵌套循环进行超参数网格搜索。每个嵌套循环都遍历一系列超参数值，在最内层循环中，使用生成器构建并评估了一个Keras序贯模型（我没有进行任何训练，只是随机初始化并多次评估模型，然后检索平均损失）。 我的问题是，在此过程中，Keras似乎填充了我的GPU内存，导致最终出现了OOM错...
交叉验证与网格搜索得到的结果比默认设置更糟糕。
我正在使用Python中的Scikit-learn运行一些基本的机器学习模型。使用内置的GridSearchCV()函数，我确定了不同技术的“最佳”参数，但其中许多表现比默认参数更差。我将默认参数作为一个选项包含在内，所以我对此感到惊讶。 例如:from sklearn import svm...
有没有一种方法可以在One-Class SVM上执行网格搜索超参数优化？
有没有一种方法可以使用GridSearchCV或任何其他内置的sklearn函数来查找OneClassSVM分类器的最佳超参数？目前我所做的是像这样使用训练/测试集进行搜索：Gamma和nu的值定义如下:gammas = np.logspace(-9, 3, 13) nus = np.lins...
如何从Scikit-Learn的详细输出中估计GridSearchCV的进度？
目前我正在运行一项相当激进的网格搜索。我有 n=135个样本，并且使用自定义交叉验证训练/测试列表运行了 23个折叠。我设置了verbose=2。 以下是我运行的内容： param_test = {"loss":["deviance"], 'learning_rate...
如何使用Scikit-learn中的管道调整自定义内核函数的参数
目前，我已经成功定义了一个自定义内核函数（使用def函数预处理内核矩阵），现在我正在使用GridSearchCV函数获取最佳参数。 因此，在自定义内核函数中，共有2个参数需要调整（如下例中的"gamm"和"sea_gamma"），对于SVR模型，还必须调整成本"c"参数。但是到目前为止，我只能...
在GridSearchCV中为Pipeline交替使用不同的模型
我希望在sklearn中构建一个Pipeline，并使用GridSearchCV测试不同的模型。 这只是一个例子（请不要关注选择了哪些特定的模型）：reg = LogisticRegression() proj1 = PCA(n_components=2) proj2 = MDS() pr...
网格搜索寻找AUC参数
我试图找到SVM的参数，以获得最佳AUC。但是我在sklearn中找不到任何评分函数来计算AUC。有人有什么想法吗？以下是我的代码： parameters = {"C":[0.1, 1, 10, 100, 1000], "gamma":[0.1, 0.01, 0.001, 0.0001,...
什么是Gridsearch.cv_results_，有人能解释其中的所有内容吗，例如mean_test_score等？
我正在使用GridSearchCV进行决策树的超参数调整。我已经拟合了模型，现在想要查找Gridsearch.cv_results_究竟提供了什么。我已经阅读过文档，但仍然不清楚。有人能够解释一下这个属性吗？ 我的代码如下：depth={"max_depth":[1,5,10,50,100,...
网格搜索交叉验证随机森林回归器调参最佳参数。
我想要改进这个 GridSearchCV 的参数，用于一个 随机森林回归器。 def Grid_Search_CV_RFR(X_train, y_train): from sklearn.model_selection import GridSearchCV from skl...
在GridSearchCV中是否有一种方法可以查看交叉验证的折叠方式？
我目前正在使用Python中的GridSearchCV进行3倍交叉验证，以优化超参数。我想知道是否有办法查看在GridSearchCV中使用的交叉验证中的训练和测试数据的索引？