使用** kwargs在函數之間傳遞值

Question

目前，我有一個函數run_prob ，它接受我的模型並返回y_prob。 它運作完美。 但是，在下面，我將另外兩個函數pred_prob和cal_prob放在一起，並且我希望這兩個函數一起工作以將我的pred_prob，count，true_prob打印到一個新的數據框中 。

我知道def pred_prob_和def cal_prob_不起作用。 但是，功能之間的代碼是可操作的。

我遇到的問題是我不確定如何設置run_prob_cv來傳遞我內置在其中的其他模型（請參見下文）。

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稱為：KNN，SVM，RF和GNB

我當時以為這些函數會像這樣流動：

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])

最終目標是能夠采用我的四個模型並像這樣運行它們，而不必生成重復的代碼：

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語法用於收集零個或多個命名參數 ，並將它們作為dict管理。 類似地， *posargs語法對未命名的位置參數執行相同的操作，從而使它們在函數中可以作為tuple 。

例如，您可以調用以下函數：

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

如果願意，可以顯式接收命名參數：

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

或者，您可以使用**它們“組合在一起”：

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

在這種情況下，您可以檢查，編輯或修改結果字典：

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

您還可以使用完全相同的 **語法將dict作為命名參數傳遞給另一個函數：

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

如果bar具有與kwargs的鍵匹配的顯式命名參數，則它們將在dict中接收值。 如果bar 沒有與dict中的鍵匹配的命名參數，則如果bar具有** catch-all字典，則值將轉到那里，否則將引發異常。

例如：

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

在此示例中， zanzibar現在是必需參數。 您可以通過** kwargs傳遞它，也可以在通話中將其拼寫出來，但它必須以某種方式出現。 ** kwargs中的其他命名參數仍然是可選的。