scikit-learn中的對象沒有屬性，如何訪問它？

Question

我想使用帶有cross-vlidation的scikit SVC分類器的不同參數，所以我嘗試了以下操作：

然后，讓我們使用SVC算法：

from sklearn import svm
print('Support vector machine(SVM):   {:.2f}'.format(metrics.accuracy_score(
            y, stratified_cv(X, y, svm.SVC(kernel='linear')))))

但似乎我無法訪問該對象：

AttributeError                            Traceback (most recent call last)
<ipython-input-16-dacd8d429376> in <module>()
      5 
      6 print('Support vector machine(SVM):   {:.2f}'.format(metrics.accuracy_score(
----> 7             y, stratified_cv(X, y, svm.SVC(kernel='linear')))))
      8 

AttributeError: 'SVC' object has no attribute 'SVC'

有趣的是，當我嘗試這樣做時：

print('Support vector machine(SVM):   {:.2f}'.format(metrics.accuracy_score(
            y, stratified_cv(X, y, svm.SVC))))

我得到：

Support vector machine(SVM):   0.46

會發生什么？...給出上述交叉驗證策略的任何想法，如何設置我自己的SVM配置？ 在此先感謝大家！

Answer 1

你需要一個partial的蟒蛇。 通常，您的函數要求您傳遞可以用clf_class(**kwargs)調用的clf_class(**kwargs) ，因此，如果您傳遞特定object （通過clf = SVC(kernel='linear') ），則它將無法正常工作，因為你嘗試去做

SVC(kernel='linear')(**kwargs) # error!

你想打電話

SVC(kernel='linear', **kwargs)

所以你可以在python中聲明局部函數

from functools import partial
linear_svm = partial(svm.SVC, kernel='linear')

現在你可以打電話

linear_svm(**kwargs)