如何解决如何在执行 10 折交叉验证时在每次拆分时获得套索回归中的系数?
我正在执行随机搜索 cv 以在套索回归中查找 alpha 值,并且我正在执行 10 折交叉验证。有没有办法像我们使用 cv_results 函数获得分数一样,获得每个分割的系数值?
解决方法
没有通过 RandomizedSearchCV
直接执行此操作的方法。但是您可以通过定义自己的类来解决这个问题,例如调用预测函数时将系数打印到控制台:
from sklearn.linear_model import Lasso
class MyLasso(Lasso):
def predict(self,X):
print(self.coef_)
return super().predict(X)
MyLasso
的行为与 Lasso
相同,可以照常使用:
from sklearn.datasets import make_regression
from sklearn.model_selection import train_test_split,RandomizedSearchCV
X,y = make_regression(n_features=5,random_state=42)
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=42)
param_distributions = {'alpha': [0.01,0.1,1]}
rs = RandomizedSearchCV(
MyLasso(),param_distributions=param_distributions,cv=2,n_iter=3,random_state=42
)
rs.fit(X_train,y_train)
以上示例的输出(2 折交叉验证的 3 次迭代给出了 6 个结果):
[64.57650818 98.64237403 57.07123743 60.56898095 35.59985227]
[64.57001187 98.63679695 57.06557977 60.56304163 35.59888746]
[64.43774582 98.55938568 57.01219706 60.49221968 35.51151313]
[64.37690435 98.49805298 56.95345309 60.43375789 35.5018112 ]
[63.05012223 97.72950224 56.42179336 59.72460697 34.62812171]
[62.44582912 97.11061327 55.83218634 59.14092054 34.53104869]
,
在我看来,将系数保存为额外的分数比在 @afsharov's answer 中修改估计器本身更巧妙。定义得分手并将其传递给搜索
def coefs_scorer(estimator,X,y):
return estimator.coef_
rs = RandomizedSearchCV(
...
scoring={'r2': 'r2','coefs': coefs_scorer},refit='r2',)
失败,因为有一个检查记录员返回单个数字。所以你需要解开系数,我得到了这个:
def coefs_scorer(estimator,i):
return estimator.coef_[i]
from functools import partial
scoring = {'r2': 'r2'}
for i in range(X_train.shape[1]):
scoring[f'coef{i}'] = partial(coefs_scorer,i=i)
param_distributions = {'alpha': [0.01,1]}
rs = RandomizedSearchCV(
Lasso(),random_state=42,scoring=scoring,)
请注意,对于多个指标,您需要指定用于重新拟合的指标。由于所有额外的工作,我不太确定这是否比自定义类更好。不过它确实有一些优点:
- 如果您想选择最佳估算器,则无需打包自定义类。
- 分数以编程方式保存,而不仅仅是打印出来。
- 因为它们是分数,所以您可以得到存储在
cv_results_
中的折叠系数的平均值和标准差(当然,自己计算它们并不困难)。
缺点:
- 我们必须为每个功能指定一个指标。这很丑陋,但更糟糕的是,它假设您事先知道特征的数量(如果您的估算器是具有特征选择或某些特征工程步骤的管道,则它会失败)。
- 如果您返回列车分数,您将复制
cv_results_
中的系数。 - 这些实际上并不是分数,所以从语义上讲,这很糟糕。
- 记分器假定
coef_
存在并且是一维的。
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。