Sklearn set_params只需要1个参数？

我正在尝试使用SkLearn Bayes classification。Sklearn set_params只需要1个参数？

gnb = GaussianNB() 
gnb.set_params('sigma__0.2') 
gnb.fit(np.transpose([xn, yn]), y)

，但我得到：

set_params() takes exactly 1 argument (2 given)

现在我尝试使用此代码：

gnb = GaussianNB() 
arr = np.zeros((len(labs),len(y))) 
arr.fill(sigma) 
gnb.set_params(sigma_ = arr)

并获得：

ValueError: Invalid parameter sigma_ for estimator GaussianNB

参数名称或值是否错误？

来源

2014-11-25 Leonid

set_params()仅接受关键字参数，如文档中所示。它被宣布为set_params(**params)。

因此，为了使其工作，你需要只有关键字参数来调用它：gnb.set_params(some_param = 'sigma__0.2')

来源

2014-11-25 09:22:11 Mezgrman

你能解释一下吗？感兴趣的参数是：'sigma_'：阵列，形状= [n_classes，n_features]，因为它在文档写入。那么，我应该如何设置它？ – Leonid 2014-11-25 09:30:04

我想'gnb.set_params（sigma_ = 0.2）'应该工作。 – Mezgrman 2014-11-25 09:33:14

还不行 – Leonid 2014-11-25 09:48:53

这是写在文件的语法是：

set_params（** PARAMS）

这两颗星意味着你需要给出关键字参数（read about it here）。所以，你需要做的是在form your_param = 'sigma__0.2'

来源

2014-11-25 09:25:25

我只是偶然发现了这一点，所以这里是一个字典多个参数的解决方案：

from sklearn import svm 
params_svm = {"kernel":"rbf", "C":0.1, "gamma":0.1, "class_weight":"auto"} 
clf = svm.SVC() 
clf.set_params(**params_svm)

来源

2015-03-13 09:19:49

这里的问题是，GaussianNB只有一个参数，并且是priors。

从你所追求的是，事实上，类GaussianNB的属性，而不能由方法set_params()和get_params()访问documentation

class sklearn.naive_bayes.GaussianNB(priors=None)

的sigma参数。

您可以操纵sigma和theta属性，方法是将一些Priors馈送到GaussianNB或将其拟合到特定的训练集。

来源

2016-12-06 04:55:57

sigma_是在训练期间计算的实例属性。你可能不打算直接修改它。

from sklearn.naive_bayes import GaussianNB 
import numpy as np 

X = np.array([[-1,-1],[-2,-1],[-3,-2],[1,1],[2,1],[3,2]]) 
y = np.array([1,1,1,2,2,2]) 

gnb = GaussianNB() 
print gnb.sigma_

输出：

AttributeError: 'GaussianNB' object has no attribute 'sigma_'

更多代码：

gnb.fit(X,y) ## training 
print gnb.sigma_

输出：

array([[ 0.66666667, 0.22222223], 
     [ 0.66666667, 0.22222223]])

训练之后，可以修改sigma_值。这可能会影响预测的结果。

gnb.sigma_ = np.array([[1,1],[1,1]])

来源

2017-02-17 17:15:08 nobar

Sklearn set_params只需要1个参数？

回答

相关问题