使用適合sklearn gridsearchcv

Question

我是Sklearn和python的新手； 我有一個我試圖破譯的項目的代碼片段。 我希望你們能幫助我。

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])

我無法確定的是使用分類器的fit方法。 我在網上找到的所有示例中，“ fit”都會接收訓練數據和相應的標簽。 在上面的示例中，“適合”接收訓練數據和標簽（而非標簽）的索引。 分類器如何獲取索引而不是標簽並仍然有效

Answer 1

標簽只是一個抽象術語。 它可以是任何東西，單詞，數字，索引等等。 在您的情況下（無論是repository.locations.keys().index(...) ，讓我們僅假定它是確定性函數，為簡單起見，將其稱為f ），您將創建一個列表

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

y_train本身是一個列表（或更籠統-可迭代）。 因此，以上也是標簽列表，由於其他一些原因（簡單地通過f轉換了標簽，也許在這種情況下，用戶需要的標簽集合與原始數據集中的標簽集合完全不同）。 無論哪種方式，您仍將標簽傳遞給fit方法，它們只是被轉換了。

例如考慮標簽['cat', 'dog']集合，我是否在[x1, x2, x3] ， ['cat', 'cat', 'dog']或上訓練模型並不重要[x2,x3,x3] ， [0, 0, 1] [x2,x3,x3] [0, 0, 1] （標簽的索引）。

Answer 2

顯然，您的標簽在此處編碼：

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

除此之外，我認為值得閱讀SearchGridCV文檔 。