如何解决在 pycaret 中使用 tune_model() 时,有没有办法查看所有尝试模型的指标和超参数?
我使用的是pycaret 2.2.3 这是我正在运行的代码的基本版本:
from pycaret.regression import *
setup = setup(data = data_used,target = 'BAI')
lightgbm = create_model('lightgbm')
tuned_lightgbm = tune_model(lightgbm)
print(tuned_lightgbm)
函数tune_model()
是
对 10 个候选者中的每一个进行 10 次拟合,总共 100 次拟合
因此,我得到了 100 个测试模型中最佳拟合模型的 10 倍交叉验证的指标:
MAE MSE RMSE R2 RMSLE MAPE
0 2.0706 7.6366 2.7634 0.9658 0.1449 0.1540
1 2.2962 9.3864 3.0637 0.9557 0.1599 0.1489
2 2.2041 9.6054 3.0993 0.9585 0.2201 0.1907
3 1.9354 8.4334 2.9040 0.9539 0.2101 0.3200
4 1.8326 7.5099 2.7404 0.9584 0.1853 0.2637
5 1.8118 8.5014 2.9157 0.9289 0.2276 0.4220
6 1.4395 4.1903 2.0470 0.9803 0.1414 0.1685
7 2.9774 34.8474 5.9032 0.7861 0.4410 0.4381
8 2.2774 9.8567 3.1395 0.9480 0.1415 0.1194
9 2.1810 8.5512 2.9242 0.9605 0.1607 0.2271
Mean 2.1026 10.8519 3.1501 0.9396 0.2032 0.2452
SD 0.3842 8.1427 0.9639 0.0526 0.0851 0.1082
当我使用 print(tuned_lightgbm)
时,我得到以下超参数:
LGBMRegressor(bagging_fraction=0.8,bagging_freq=4,boosting_type='gbdt',class_weight=None,colsample_bytree=1.0,feature_fraction=0.4,importance_type='split',learning_rate=0.062,max_depth=-1,min_child_samples=55,min_child_weight=0.001,min_split_gain=0.8,n_estimators=170,n_jobs=-1,num_leaves=50,objective=None,random_state=989,reg_alpha=4,reg_lambda=0.4,silent=True,subsample=1.0,subsample_for_bin=200000,subsample_freq=0)
有没有办法查看/打印/访问所有 100 个测试模型的指标和超参数?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。