使用** kwargs在函数之间传递值

Question

目前，我有一个函数run_prob ，它接受我的模型并返回y_prob。 它运作完美。 但是，在下面，我将另外两个函数pred_prob和cal_prob放在一起，并且我希望这两个函数一起工作以将我的pred_prob，count，true_prob打印到一个新的数据框中 。

我知道def pred_prob_和def cal_prob_不起作用。 但是，功能之间的代码是可操作的。

我遇到的问题是我不确定如何设置run_prob_cv来传递我内置在其中的其他模型（请参见下文）。

def run_prob_cv(X, y, clf_class, **kwargs):
    kf = KFold(len(y), n_folds=5, shuffle=True)
    y_prob = np.zeros((len(y),2))
    for train_index, test_index in kf:
        X_train, X_test = X[train_index], X[test_index]
        y_train = y[train_index]
        clf = clf_class(**kwargs)
        clf.fit(X_train,y_train)
        # Predict probabilities, not classes
        y_prob[test_index] = clf.predict_proba(X_test)
    return y_prob

我建立的模型及其名称为：KNN，SVM，RF和GNB

我当时以为这些函数会像这样流动：

def pred_prob_(y_prob, run_prob_cv(X, y, MODEL, n_estimators, **kwargs):
# Use 10 estimators so predictions are all multiples of 0.1
    pred_prob = run_prob_cv(X, y, MODEL, n_estimators=10)
    pred_churn = pred_prob[:,1]
    is_churn = y == 1
    # Number of times a predicted probability is assigned to an observation
    counts = pd.value_counts(pred_churn)
    return counts
def cal_prob_(counts):
    # calculate true probabilities
    true_prob = {}
    for prob in counts.index:
        true_prob[prob] = np.mean(is_churn[pred_churn == prob])
        true_prob = pd.Series(true_prob)
    # pandas-fu
    counts = pd.concat([counts,true_prob], axis=1).reset_index()
    counts.columns = ['pred_prob', 'count', 'true_prob']
    #counts
    counts.sort_index(by=['pred_prob','true_prob'], ascending=[False, True])

最终目标是能够采用我的四个模型并像这样运行它们，而不必生成重复的代码：

pred_prob_(y_prob, run_prob_cv(X, y, KNN, n_estimators, **kwargs)
pred_prob_(y_prob, run_prob_cv(X, y, RF,  n_estimators, **kwargs)
pred_prob_(y_prob, run_prob_cv(X, y, SVM, n_estimators, **kwargs)
pred_prob_(y_prob, run_prob_cv(X, y, GNB,  n_estimators, **kwargs)

Answer 1

def pred_prob(X, y, MODEL):
    pred_prob = run_prob_cv(X, y, MODEL)
    pred_churn = pred_prob[:,1]
    is_churn = y == 1
    # Number of times a predicted probability is assigned to an observation
    counts = pd.value_counts(pred_churn)
    # calculate true probabilities
    true_prob = {}
    for prob in counts.index:
        true_prob[prob] = np.mean(is_churn[pred_churn == prob])
        true_prob = pd.Series(true_prob)
    # pandas-fu
    counts = pd.concat([counts,true_prob], axis=1).reset_index()
    counts.columns = ['pred_prob', 'count', 'true_prob']
    #counts
    print counts.sort_index(by=['pred_prob','true_prob'], ascending=[False, True])

pred_prob(X, y, KNN)
pred_prob(X, y, RF)
pred_prob(X, y, GNB)
pred_prob(X, y, SVC)

Answer 2

**kwargs语法用于收集零个或多个命名参数 ，并将它们作为dict管理。 类似地， *posargs语法对未命名的位置参数执行相同的操作，从而使它们在函数中可以作为tuple 。

例如，您可以调用以下函数：

foo(1, 2, 3, namedparam1=4, namedparam2=5)

如果愿意，可以显式接收命名参数：

def foo(x, y, z, namedparam1, namedparam2):

或者，您可以使用**它们“组合在一起”：

def foo(x, y, z, **kwargs):

在这种情况下，您可以检查，编辑或修改结果字典：

    if 'zanzibar' not in kwargs:
        kwargs['zanzibar'] = (-6.167904, 39.228628)

您还可以使用完全相同的 **语法将dict作为命名参数传递给另一个函数：

    bar(z, y, x, **kwargs)

如果bar具有与kwargs的键匹配的显式命名参数，则它们将在dict中接收值。 如果bar 没有与dict中的键匹配的命名参数，则如果bar具有** catch-all字典，则值将转到那里，否则将引发异常。

例如：

def bar(z, y, x, zanzibar, **kwargs):

在此示例中， zanzibar现在是必需参数。 您可以通过** kwargs传递它，也可以在通话中将其拼写出来，但它必须以某种方式出现。 ** kwargs中的其他命名参数仍然是可选的。