Python sklearn中GridSearchCV中的记分员问题
我正在尝试在RF分类器上执行网格搜索，其中评分函数是sklearn.metrics模块的precision_score。这是代码Python sklearn中GridSearchCV中的记分员问题,python,scikit-learn,Python,Scikit Learn,我正在尝试在RF分类器上执行网格搜索，其中评分函数是sklearn.metrics模块的precision_score。这是代码 from sklearn.metrics import precision_score param_grid = {'n_estimators': [51, 101, 201, 301, 501], 'max_depth': [3, 5, 10, None], 'min_samples_split': [2,
from sklearn.metrics import precision_score
param_grid = {'n_estimators': [51, 101, 201, 301, 501],
'max_depth': [3, 5, 10, None],
'min_samples_split': [2, 5, 10],
'criterion': ['gini', 'entropy'],
'bootstrap': [True, False]}
def fit_gridCV_RFclassifier(param_grid):
from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier()
clf = GridSearchCV(estimator=rf, param_grid=param_grid,
cv=5, scoring=precision_score,
refit=True)
clf.fit(train_X, train_y)
return clf
gridsearch_rf = fit_gridCV_RFclassifier(param_grid)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-34-6f91362a017c> in <module>()
----> 1 gridsearch_rf = fit_gridCV_RFclassifier(param_grid)
<ipython-input-33-974d026d5dc8> in fit_gridCV_RFclassifier(param_grid)
11 scoring=precision_score,
12 cv=5, refit=True)
---> 13 clf.fit(train_X, train_y)
14 return clf
/anaconda/lib/python2.7/site-packages/sklearn/grid_search.pyc in fit(self, X, y)
594
595 """
--> 596 return self._fit(X, y, ParameterGrid(self.param_grid))
597
598
/anaconda/lib/python2.7/site-packages/sklearn/grid_search.pyc in _fit(self, X, y, parameter_iterable)
376 train, test, self.verbose, parameters,
377 self.fit_params, return_parameters=True)
--> 378 for parameters in parameter_iterable
379 for train, test in cv)
380
/anaconda/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.pyc in __call__(self, iterable)
651 self._iterating = True
652 for function, args, kwargs in iterable:
--> 653 self.dispatch(function, args, kwargs)
654
655 if pre_dispatch == "all" or n_jobs == 1:
/anaconda/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.pyc in dispatch(self, func, args, kwargs)
398 """
399 if self._pool is None:
--> 400 job = ImmediateApply(func, args, kwargs)
401 index = len(self._jobs)
402 if not _verbosity_filter(index, self.verbose):
/anaconda/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.pyc in __init__(self, func, args, kwargs)
136 # Don't delay the application, to avoid keeping the input
137 # arguments in memory
--> 138 self.results = func(*args, **kwargs)
139
140 def get(self):
/anaconda/lib/python2.7/site-packages/sklearn/cross_validation.pyc in _fit_and_score(estimator, X, y, scorer, train, test, verbose, parameters, fit_params, return_train_score, return_parameters)
1238 else:
1239 estimator.fit(X_train, y_train, **fit_params)
-> 1240 test_score = _score(estimator, X_test, y_test, scorer)
1241 if return_train_score:
1242 train_score = _score(estimator, X_train, y_train, scorer)
/anaconda/lib/python2.7/site-packages/sklearn/cross_validation.pyc in _score(estimator, X_test, y_test, scorer)
1294 score = scorer(estimator, X_test)
1295 else:
-> 1296 score = scorer(estimator, X_test, y_test)
1297 if not isinstance(score, numbers.Number):
1298 raise ValueError("scoring must return a number, got %s (%s) instead."
/anaconda/lib/python2.7/site-packages/sklearn/metrics/metrics.pyc in precision_score(y_true, y_pred, labels, pos_label, average, sample_weight)
1883 average=average,
1884 warn_for=('precision',),
-> 1885 sample_weight=sample_weight)
1886 return p
1887
/anaconda/lib/python2.7/site-packages/sklearn/metrics/metrics.pyc in precision_recall_fscore_support(y_true, y_pred, beta, labels, pos_label, average, warn_for, sample_weight)
1667 raise ValueError("beta should be >0 in the F-beta score")
1668
-> 1669 y_type, y_true, y_pred = _check_clf_targets(y_true, y_pred)
1670
1671 label_order = labels # save this for later
/anaconda/lib/python2.7/site-packages/sklearn/metrics/metrics.pyc in _check_clf_targets(y_true, y_pred)
107 y_pred : array or indicator matrix
108 """
--> 109 y_true, y_pred = check_arrays(y_true, y_pred, allow_lists=True)
110 type_true = type_of_target(y_true)
111 type_pred = type_of_target(y_pred)
/anaconda/lib/python2.7/site-packages/sklearn/utils/validation.pyc in check_arrays(*arrays, **options)
252 if size != n_samples:
253 raise ValueError("Found array with dim %d. Expected %d"
--> 254 % (size, n_samples))
255
256 if not allow_lists or hasattr(array, "shape"):
ValueError: Found array with dim 317760. Expected 51
---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
---->1 gridsearch\u rf=fit\u gridCV\u RFclassifier（参数网格）
在fit_gridCV_RFclassifier（参数网格）中
11分=精度分数，
12 cv=5，重新安装=正确）
--->13 clf.配合（第X列、第y列）
14返回clf
/anaconda/lib/python2.7/site-packages/sklearn/grid_search.pyc in-fit（self，X，y）
594
595 """
-->596返回自拟合（X，y，参数网格（自参数网格））
597
598
/anaconda/lib/python2.7/site-packages/sklearn/grid_search.pyc in_fit（self，X，y，parameter_iterable）
376列车、试验、自详细、参数、，
377 self.fit_参数，返回_参数=真）
-->378用于参数_iterable中的参数
379用于列车，在cv中进行试验）
380
/anaconda/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.pyc in_u_调用（self，iterable）
651自迭代=真
652对于iterable中的函数、参数和kwargs：
-->653自动调度（功能、参数、kwargs）
654
655如果预调度==“所有”或n个作业==1：
/调度中的anaconda/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.pyc（self、func、args、kwargs）
398 """
399如果self.\u池为无：
-->400作业=立即应用（func、args、kwargs）
401索引=len（自作业）
402如果不是详细过滤器（索引，self.verbose）：
/anaconda/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.pyc in_u________（self、func、args、kwargs）
136#不要延迟应用程序，以免保留输入
137#内存中的参数
-->138 self.results=func（*args，**kwargs）
139
140 def get（自我）：
/anaconda/lib/python2.7/site-packages/sklearn/cross_validation.pyc in_fit_和_分数（估计器、X、y、计分器、训练、测试、详细、参数、拟合参数、返回训练分数、返回参数）
1238其他：
1239估算器拟合（X_序列、y_序列、**拟合参数）
->1240测试分数=_分数（估计员、X测试、y测试、计分员）
1241如果返回列车评分：
1242训练分数=_分数（估计员、X训练、y训练、计分员）
/anaconda/lib/python2.7/site-packages/sklearn/cross_validation.pyc in_分数（估计器、X_测试、y_测试、计分器）
1294分=记分员（估计员，X_检验）
1295其他：
->1296分=记分员（估计员、X_检验、y_检验）
1297如果不存在（分数、数字、数字）：
1298 raise VALUERROR（“评分必须返回一个数字，取而代之的是%s（%s）。”
/精度评分中的anaconda/lib/python2.7/site-packages/sklearn/metrics/metrics.pyc（y_真、y_pred、标签、位置标签、平均值、样本重量）
1883平均值=平均值，
1884 warn_for=（‘精度’，），
->1885样品重量=样品重量）
1886返回p
1887
/anaconda/lib/python2.7/site-packages/sklearn/metrics/metrics.pyc的精确性、召回率、核心支持率（y_真、y_pred、beta、标签、位置标签、平均值、警告、样本重量）
1667 raise VALUE ERROR（“F-beta分数中的贝塔值应大于0”）
1668
->1669 y_type，y_true，y_pred=\u check\u clf\u targets（y_true，y_pred）
1670
1671 label_order=labels#将此保存以备以后使用
/anaconda/lib/python2.7/site-packages/sklearn/metrics/metrics.pyc in_check_clf_targets（y_true，y_pred）
107 y_pred：阵列或指示符矩阵
108 """
-->109 y_true，y_pred=检查_数组（y_true，y_pred，允许_列表=true）
110 type_true=_目标的类型（y_true）
111 type_pred=_目标的类型（y_pred）
/检查数组（*数组，**选项）中的anaconda/lib/python2.7/site-packages/sklearn/utils/validation.pyc
252如果尺寸！=n_样本：
253 raise VALUEMERROR（“找到的数组具有dim%d。应为%d）”
-->254%（尺寸，不含样品））
255
256如果不允许使用列表或hasattr（数组，“形状”）：
ValueError:找到dim为317760的数组。应为51
A string (see model evaluation documentation) or a scorer callable object / function with signature scorer(estimator, X, y).
你能用一个玩具数据集发布你的代码吗？现在很难说发生了什么
clf = GridSearchCV(estimator=rf, param_grid=param_grid,
cv=5, scoring="precision",
refit=True)