Sklearn set_params dauert genau 1 argument?

Ich versuche, SkLearn Bayes-Klassifizierung.

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

Aber ich bekommen:

set_params() takes exactly 1 argument (2 given)

nun ich versuche es mal mit diesem code:

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

Und erhalten:

ValueError: Invalid parameter sigma_ for estimator GaussianNB

Ist es falsch, Parametername oder-Wert?

InformationsquelleAutor Leonid | 2014-11-25
  1. 8

    set_params() dauert nur keyword-Argumente, da kann man in der Dokumentation. Es ist deklariert als set_params(**params).

    So, in Ordnung, damit es funktioniert, müssen Sie rufen es mit keyword-Argumenten nur: gnb.set_params(some_param = 'sigma__0.2')

    • Könnten Sie mir erklären? Der parameter von Interesse ist: sigma_ : array, shape = [n_classes, n_features], wie es geschrieben in Google docs. So, wie soll ich es einstellen?
    • Ich denke gnb.set_params(sigma_ = 0.2) funktionieren sollte.
    • es immer noch nicht
    • Vielleicht versuchen Sie den Unterstrich weglassen? Ich kann nicht finden, eine Liste der akzeptierten Parameter.
    • Es gibt das gleiche Ergebnis.
    • Versuchen Sie die Ausgabe der aktuellen Parameter, zum Beispiel mit print gnb.get_params(), und finden Sie, wenn Sie den Namen der parameter, die Sie benötigen.
    • Ich bekomme nur diese: {}
    • "Die ehemaligen Parameter in der form <Komponenten - >__<parameter>" - dies ist aus docs. Ich denke, dass <parameter> ist mein sigma, aber was ist <Komponenten - >?
    • Lassen Sie uns weiter, diese Diskussion im chat.
    • Haben Sie versucht, GaussianNB.__sigma=0.2?

    InformationsquelleAutor Mezgrman
  2. 28

    Ich habe gerade stolperte über dieses, so ist hier eine Lösung für mehrere Argumente, die aus einem Wörterbuch:

    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)
    InformationsquelleAutor Kam Sen
  3. 3

    Es ist geschrieben in der Dokumentation, die die syntax ist:

    set_params(**params)

    Diese zwei Sterne bedeuten, dass Sie brauchen zu geben Schlüsselwort-Argumente (darüber Lesen Sie hier). So dass Sie brauchen, um es in die form your_param = 'sigma__0.2'

    InformationsquelleAutor Salvador Dali
  4. 2

    Hier das problem, dass GaussianNB hat nur einen parameter und das ist priors.

    Aus der Dokumentation

     class sklearn.naive_bayes.GaussianNB(priors=None)

    Den sigma parameter, die Sie suchen, ist in der Tat ein Attribut der Klasse GaussianNB, und kann nicht zugegriffen werden, indem die Methoden set_params() und get_params().

    Können Sie manipulieren sigma und theta Attribute, durch die Fütterung einige Priors zu GaussianNB oder durch Anpassung an eine bestimmte Ausbildung festgelegt.

    InformationsquelleAutor Pedro Baracho
  5. 1

    sigma_ ist eine Instanz Attribut berechnet wird, die während der Ausbildung. Sie sind wohl nicht beabsichtigt, ändern Sie es direkt.

    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_

    Ausgabe:

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

    Mehr code:

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

    Ausgabe:

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

    Nach dem training, ist es möglich, ändern Sie die sigma_ Wert. Dies könnte Einfluss auf die Ergebnisse der Vorhersage.

    gnb.sigma_ = np.array([[1,1],[1,1]])
    InformationsquelleAutor nobar
Schreibe einen Kommentar