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Python 基于SVM回归的Scikit学习网格搜索,python,scikit-learn,svm,Python,Scikit Learn,Svm,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 i
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: