使用适合sklearn gridsearchcv

Question

我是Sklearn和python的新手； 我有一个我试图破译的项目的代码片段。 我希望你们能帮助我。

from repository import Repository
from configuration import config
repository = Repository(config)
dataset, labels = repository.get_dataset_and_labels()
import numpy as np
from sklearn.cross_validation import train_test_split
from sklearn.svm import SVC
from sklearn.cross_validation import ShuffleSplit
from sklearn.grid_search import GridSearchCV  
# Ensure that there are no NaNs
dataset = dataset.fillna(-85)
# Split the dataset into training (90 \%) and testing (10 \%)
X_train, X_test, y_train, y_test = train_test_split(dataset, labels,      test_size = 0.1 )
cv = ShuffleSplit(X_train.shape[0], n_iter=10, test_size=0.2, random_state=0)
# Define the classifier to use
estimator = SVC(kernel='linear')
# Define parameter space
gammas = np.logspace(-6, -1, 10)
# Use Test dataset and use cross validation to find bet hyper-p  rameters.
classifier = GridSearchCV(estimator=estimator, cv=cv, param_grid=dict(gamma=gammas))
classifier.fit(X_train, [repository.locations.keys().index(tuple(l))  for l in y_train])

我无法确定的是使用分类器的fit方法。 我在网上找到的所有示例中，“ fit”都会接收训练数据和相应的标签。 在上面的示例中，“适合”接收训练数据和标签（而非标签）的索引。 分类器如何获取索引而不是标签并仍然有效

Answer 1

标签只是一个抽象术语。 它可以是任何东西，单词，数字，索引等等。 在您的情况下（无论是repository.locations.keys().index(...) ，让我们仅假定它是确定性函数，为简单起见，将其称为f ），您将创建一个列表

 [f(tuple(l)) for l in y_train]

y_train本身是一个列表（或更笼统-可迭代）。 因此，以上也是标签列表，由于其他一些原因（简单地通过f转换了标签，也许在这种情况下，用户需要的标签集合与原始数据集中的标签集合完全不同）。 无论哪种方式，您仍将标签传递给fit方法，它们只是被转换了。

例如考虑标签['cat', 'dog']集合，我是否在[x1, x2, x3] ， ['cat', 'cat', 'dog']或上训练模型并不重要[x2,x3,x3] ， [0, 0, 1] [x2,x3,x3] [0, 0, 1] （标签的索引）。

Answer 2

显然，您的标签在此处编码：

[repository.locations.keys().index(tuple(l))  for l in y_train]

除此之外，我认为值得阅读SearchGridCV文档 。