2017-09-13 599 views
0

我需要在维数据集(5000,26421)上执行内核pca以获得较低维度表示。为了选择组件的数量(比如说k)参数,我将数据和重构数据减少到原始空间,得到不同k值的重建和原始数据的均方误差。Scikit-Learn GridSearch自定义评分函数

我遇到了sklearn的网格搜索功能,并希望将其用于上述参数估计。由于内核pca没有评分函数,我实现了一个自定义评分函数并将其传递给Gridsearch。

from sklearn.decomposition.kernel_pca import KernelPCA 
from sklearn.model_selection import GridSearchCV 
import numpy as np 
import math 

def scorer(clf, X): 
    Y1 = clf.inverse_transform(X) 
    error = math.sqrt(np.mean((X - Y1)**2)) 
    return error 

param_grid = [ 
    {'degree': [1, 10], 'kernel': ['poly'], 'n_components': [100, 400, 100]}, 
    {'gamma': [0.001, 0.0001], 'kernel': ['rbf'], 'n_components': [100, 400, 100]}, 
] 

kpca = KernelPCA(fit_inverse_transform=True, n_jobs=30) 
clf = GridSearchCV(estimator=kpca, param_grid=param_grid, scoring=scorer) 
clf.fit(X) 

但是,它会导致下面的错误:

/usr/lib64/python2.7/site-packages/sklearn/metrics/pairwise.py in check_pairwise_arrays(X=array([[ 2., 2., 1., ..., 0., 0., 0.], 
    ...., 0., 1., ..., 0., 0., 0.]], dtype=float32), Y=array([[-0.05904257, -0.02796719, 0.00919842, ....  0.00148251, -0.00311711]], dtype=float32), precomp 
uted=False, dtype=<type 'numpy.float32'>) 
    117        "for %d indexed." % 
    118        (X.shape[0], X.shape[1], Y.shape[0])) 
    119  elif X.shape[1] != Y.shape[1]: 
    120   raise ValueError("Incompatible dimension for X and Y matrices: " 
    121       "X.shape[1] == %d while Y.shape[1] == %d" % (
--> 122        X.shape[1], Y.shape[1])) 
     X.shape = (1667, 26421) 
     Y.shape = (112, 100) 
    123 
    124  return X, Y 
    125 
    126 

ValueError: Incompatible dimension for X and Y matrices: X.shape[1] == 26421 while Y.shape[1] == 100 

有人能指出我究竟做错了什么?

+0

首先,PCA具有[score()](http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA.score)函数。第二次使用['make_scorer()'](http://scikit-learn.org/stable/modules/generated/sklearn.metrics.make_scorer.html)将自定义分数函数传递给gridSearch。 –

+0

我在这种情况下不使用PCA,而是使用没有得分功能的内核PCA。还尝试使用make_scorer函数,但该方法无效。 – user1683894

回答

0

评分函数的语法不正确。您只需要通过分类器的predictedtruth值。因此,这是你如何申报您的自定义打分函数:

def my_scorer(y_true, y_predicted): 
    error = math.sqrt(np.mean((y_true - y_predicted)**2)) 
    return error 

然后你可以使用在sklearn make_scorer功能,把它传递给GridSearch.Be一定要设置相应的greater_is_better属性:

Whether score_func is a score function (default), meaning high is good, or a loss function, meaning low is good. In the latter case, the scorer object will sign-flip the outcome of the score_func.

我假设您正在计算错误,所以此属性应设为False,因为错误越少越好:

from sklearn.metrics import make_scorer 
my_func = make_score(my_scorer,greater_is_better=False) 

然后你将它传递给GridSearch:

GridSearchCV(estimator=my_clf, param_grid=param_grid, scoring=my_func) 

哪里my_clf是你的分类。我不认为GridSearchCV正是你要找的。它基本上以火车和测试拆分的形式接受数据。但在这里你只想改变你的输入数据。您需要使用Pipeline in Sklearn。查看组合PCA和GridSearchCV的示例mentioned here

+0

任何人都可以解释downvote? –

+0

我需要调整内核Pca的hyperparams以找到我具有最小重构错误的参数设置,并发现GridSearch的功能相同。在上述情况下,来自 y_predicted = kpca.fit_transform(input_data) y_true = kpca.inverse_transform(y_predicted) 因此,错误函数中的clf参数。即使通过你的方法,我得到一个错误“TypeError:__call __()至少需要4个参数(给出3)” – user1683894