[英]Getting error while running in jupyter notebook
估计器决策树分类器的参数 C 无效(class_weight=None,criterion='gini',max_depth=None,max_features=None,max_leaf_nodes=None,min_impurity_decrease=0.0,min_impurity_sort=None,min_samples_leaf=1,min_samples_weight_split=2, =False,random_state=None,splitter='best')。 使用
estimator.get_params().keys()
检查可用参数列表。
def train(X_train,y_train,X_test):
# Scaling features
X_train=preprocessing.scale(X_train)
X_test=preprocessing.scale(X_test)
Cs = 10.0 ** np.arange(-2,3,.5)
gammas = 10.0 ** np.arange(-2,3,.5)
param = [{'gamma': gammas, 'C': Cs}]
skf = StratifiedKFold(n_splits=5)
skf.get_n_splits(X_train, y_train)
cvk = skf
classifier = DecisionTreeClassifier()
clf = GridSearchCV(classifier,param_grid=param,cv=cvk)
clf.fit(X_train,y_train)
print("The best classifier is: ",clf.best_estimator_)
clf.best_estimator_.fit(X_train,y_train)
# Estimate score
scores = model_selection.cross_val_score(clf.best_estimator_, X_train,y_train, cv=5)
print (scores)
print('Estimated score: %0.5f (+/- %0.5f)' % (scores.mean(), scores.std() / 2))
title = 'Learning Curves (SVM, rbf kernel, $\gamma=%.6f$)' %clf.best_estimator_.gamma
plot_learning_curve(clf.best_estimator_, title, X_train, y_train, cv=5)
plt.show()
# Predict class
y_pred = clf.best_estimator_.predict(X_test)
return y_test,y_pred
看起来您正在使
param
成为一个内部有单个字典的数组。
param
需要只是一个字典:
编辑:进一步研究这一点,正如@DzDev 所提到的,传递包含单个字典的数组也是传递参数的有效方法。
您的问题似乎是您混合了两种不同类型估计量的概念。 您正在传递svm.SVC的参数,但正在发送DecisionTreeClassifier估计器。 所以事实证明错误正如它所说的那样, 'C'
不是一个有效的参数。 您应该更新为使用svm.SVC
估计器或更新您的参数以使其对DecisionTreeClassifier
正确。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.