Python 基于SVM回归的Scikit学习网格搜索

我正在学习交叉验证网格搜索，遇到了这个问题，教程也作为ipython笔记本上传到了。我试图在同时搜索多个参数部分中重新创建代码，但不是使用knn，而是使用SVM回归。这是我的密码

from sklearn.datasets import load_iris
from sklearn import svm
from sklearn.grid_search import GridSearchCV
import matplotlib.pyplot as plt
import numpy as np
iris = load_iris()
X = iris.data
y = iris.target

k=['rbf', 'linear','poly','sigmoid','precomputed']
c= range(1,100)
g=np.arange(1e-4,1e-2,0.0001)
g=g.tolist()
param_grid=dict(kernel=k, C=c, gamma=g)
print param_grid
svr=svm.SVC()
grid = GridSearchCV(svr, param_grid, cv=5,scoring='accuracy')
grid.fit(X, y)  
print()
print("Grid scores on development set:")
print()  
print grid.grid_scores_  
print("Best parameters set found on development set:")
print()
print(grid.best_params_)
print("Grid best score:")
print()
print (grid.best_score_)
# create a list of the mean scores only
grid_mean_scores = [result.mean_validation_score for result in grid.grid_scores_]
print grid_mean_scores

但它给出了这个错误

raise VALUERROR（“X应该是一个正方形的内核矩阵”）VALUERROR:X 应该是一个平方核矩阵

---

从参数空间中删除

“预计算”

kernel='precomputed'

只能在传递表示样本成对相似性的

（n\u样本，n\u样本）

数据矩阵时使用，而不是传统的

（n\u样本，n\u特征）

矩形数据矩阵

有关内核参数含义的更多详细信息，请参阅文档：

---

当报告Python错误时，您应该始终引用完整的Python回溯，因为它提供了有关引发异常的位置的信息。嘿，谢谢您的回复，但是您能告诉我如何从sklearn.externals import joblib>>>joblb.dump（grid，'my_model.pkl'，compress=9）导出此模型吗？