Qu'est-ce que _passthrough_scorer et comment puis-je modifier les marqueurs dans GridsearchCV (sklearn)?

Question

http://scikit-learn.org/stable/modules/generated/sklearn.grid_search.GridSearchCV.html (pour référence)

x = [[2], [1], [3], [1] ... ] # about 1000 data 
grid = GridSearchCV(KernelDensity(), {'bandwidth': np.linspace(0.1, 1.0, 10)}, cv=10) 
grid.fit(x) 

Lorsque j'utilise GridSearchCV sans spécifier la fonction de notation comme, la valeur de grid.scorer_ est. Pourriez-vous expliquer quel est le type de fonction _passthrough_scorer? En plus de cela, je veux changer la fonction de scoring en mean_squared_error ou autre chose.

grid = GridSearchCV(KernelDensity(), {'bandwidth': np.linspace(0.1, 1.0, 10)}, cv=10, scoring='mean_squared_error') 

Mais la ligne, grid.fit (x), me donne toujours ce message d'erreur:

TypeError: __call__() missing 1 required positional argument: 'y_true' 

Je ne peux pas comprendre comment donner y_true à la fonction parce que je ne connais pas le vrai Distribution. Voulez-vous me dire comment changer les fonctions de notation? J'apprécie ton aide.

Answer 1

La métrique par défaut pour KernelDensity est minkowski avec p = 2 qui est une métrique euclidienne. GridSearchCV utilisera la métrique KernelDensity pour l'évaluation si vous n'attribuez aucune autre méthode d'évaluation.

La formule de l'erreur quadratique moyenne est: sum ((y_true - y_estimated)^2)/n. Vous avez l'erreur puisque vous devez avoir un y_true pour le calculer.

Voici un maquillée exemple d'application GridSearchCV à KernelDensity:

from sklearn.neighbors import KernelDensity 
from sklearn.grid_search import GridSearchCV 
import numpy as np 

N = 20 
X = np.concatenate((np.random.randint(0, 10, 50), 
        np.random.randint(5, 10, 50)))[:, np.newaxis] 

params = {'bandwidth': np.logspace(-1.0, 1.0, 10)} 
grid = GridSearchCV(KernelDensity(), params) 
grid.fit(X) 
print(grid.grid_scores_) 
print('Best parameter: ',grid.best_params_) 
print('Best score: ',grid.best_score_) 
print('Best estimator: ',grid.best_estimator_) 

et la sortie est:

[mean: -96.94890, std: 100.60046, params: {'bandwidth': 0.10000000000000001}, 


mean: -70.44643, std: 40.44537, params: {'bandwidth': 0.16681005372000587}, 
mean: -71.75293, std: 18.97729, params: {'bandwidth': 0.27825594022071243}, 
mean: -77.83446, std: 11.24102, params: {'bandwidth': 0.46415888336127786}, 
mean: -78.65182, std: 8.72507, params: {'bandwidth': 0.774263682681127}, 
mean: -79.78828, std: 6.98582, params: {'bandwidth': 1.2915496650148841}, 
mean: -81.65532, std: 4.77806, params: {'bandwidth': 2.1544346900318834}, 
mean: -86.27481, std: 2.71635, params: {'bandwidth': 3.5938136638046259}, 
mean: -95.86093, std: 1.84887, params: {'bandwidth': 5.9948425031894086}, 
mean: -109.52306, std: 1.71232, params: {'bandwidth': 10.0}] 
Best parameter: {'bandwidth': 0.16681005372000587} 
Best score: -70.4464315885 
Best estimator: KernelDensity(algorithm='auto', atol=0, bandwidth=0.16681005372000587, 
     breadth_first=True, kernel='gaussian', leaf_size=40, 
     metric='euclidean', metric_params=None, rtol=0) 

Les méthodes de notation valides pour GridSeachCV ont généralement besoin y_true. Dans votre cas, vous souhaiterez peut-être modifier la métrique de sklearn.KernelDensity en d'autres métriques (par exemple à sklearn.metrics.pairwise.pairwise_kernels, sklearn.metrics.pairwise.pairwise_distances) car la recherche de grille les utilisera pour l'évaluation.