рдХреНрд╖рдорд╛ рдХрд░реЗрдВ, рдЕрдЧрд░ рдпрд╣ рдкреЛрд╕реНрдЯ рдХрд░рдиреЗ рдХреЗ рд▓рд┐рдП рдпрд╣ рдЧрд▓рдд рдЬрдЧрд╣ рд╣реИред рдореЗрд░рд╛ рдХреЛрдб:
from sklearn import datasets, linear_model, cross_validation, grid_search
import numpy as np
digits = datasets.load_digits()
x = digits.data[:1000]
y = digits.target[:1000]
kf_total = cross_validation.KFold(len(x), n_folds=10, indices=True, shuffle=True, random_state=4)
lr = linear_model.LogisticRegression()
c_range = np.logspace(0, 4, 10)
lrgs = grid_search.GridSearchCV(estimator=lr, param_grid=dict(C=c_range), n_jobs=1)
results_lrgs = cross_validation.cross_val_score(lrgs, x, y, cv=kf_total, n_jobs=1)
print lrgs.best_params_
рддреНрд░реБрдЯрд┐:
Traceback (most recent call last):
File "cross.py", line 11, in <module>
print lrgs.best_params_
AttributeError: 'GridSearchCV' object has no attribute 'best_params_'
рдореБрдЭреЗ рдХреНрдпрд╛ рдпрд╛рдж рдЖ рд░рд╣рд╛ рд╣реИ?
рдЖрдкрдиреЗ рдлрд┐рдЯ рдирд╣реАрдВ рдХрд╣рд╛, рд╣реИ рдирд╛?
26 рдЬреВрди 2014 рдХреЛ рд╢рд╛рдо 4:36 рдмрдЬреЗ, "рд╡рд┐рдЯреЛрд░ рдХреИрдореНрдкреЛрд╕ рдбреА рдУрд▓рд┐рд╡реЗрд░рд╛" <
рд╕реВрдЪрдирд╛рдПрдВ@github.com> рдиреЗ рд▓рд┐рдЦрд╛:
рдХреНрд╖рдорд╛ рдХрд░реЗрдВ, рдЕрдЧрд░ рдпрд╣ рдкреЛрд╕реНрдЯ рдХрд░рдиреЗ рдХреЗ рд▓рд┐рдП рдпрд╣ рдЧрд▓рдд рдЬрдЧрд╣ рд╣реИред рдореЗрд░рд╛ рдХреЛрдб:
рд╕реНрдХреЗрд▓реЗрд░ рдЖрдпрд╛рдд рдбреЗрдЯрд╛рд╕реЗрдЯ рд╕реЗ, рд░реЗрдЦреАрдп_рдореЙрдбрд▓, рдХреНрд░реЙрд╕_рд╕рддреНрдпрд╛рдкрди, рдЧреНрд░рд┐рдб_рд╕рд░реНрдЪ
np . рдХреЗ рд░реВрдк рдореЗрдВ numpy рдЖрдпрд╛рдд рдХрд░реЗрдВ
рдЕрдВрдХ = рдбреЗрдЯрд╛рд╕реЗрдЯред рд▓реЛрдб_рдбрд┐рдЬрд┐рдЯреНрд╕ ()
рдПрдХреНрд╕ = рдЕрдВрдХред рдбреЗрдЯрд╛ [: 1000]
y = рдЕрдВрдХред рд▓рдХреНрд╖реНрдп [: 1000]
kf_total = cross_validation.KFold(len(x), n_folds=10, index=True,
рдлреЗрд░рдмрджрд▓ = рд╕рдЪ, рдпрд╛рджреГрдЪреНрдЫрд┐рдХ_рд░рд╛рдЬреНрдп = 4)
рдПрд▓рдЖрд░ = рд░реИрдЦрд┐рдХ_рдореЙрдбрд▓ред рд▓реЙрдЬрд┐рд╕реНрдЯрд┐рдХ рд░рд┐рдЧреНрд░реЗрд╢рди ()
c_range = np.logspace(0, 4, 10)
lrgs = grid_search.GridSearchCV (рдЕрдиреБрдорд╛рдирдХ = lr, param_grid = dict (C = c_range),
n_jobs=1)
results_lrgs = cross_validation.cross_val_score(lrgs, x, y, cv=kf_total,
n_jobs=1)
рдкреНрд░рд┐рдВрдЯ lrgs.best_params_рддреНрд░реБрдЯрд┐:
рдЯреНрд░реЗрд╕рдмреИрдХ (рд╕рдмрд╕реЗ рд╣рд╛рд▓рд┐рдпрд╛ рдХреЙрд▓ рдЕрдВрддрд┐рдо):
рдлрд╝рд╛рдЗрд▓ "cross.py", рд▓рд╛рдЗрди 11, in
рдкреНрд░рд┐рдВрдЯ lrgs.best_params_
рд╡рд┐рд╢реЗрд╖рддрд╛ рддреНрд░реБрдЯрд┐: 'рдЧреНрд░рд┐рдбрд╕рд░реНрдЪрд╕реАрд╡реА' рдСрдмреНрдЬреЗрдХреНрдЯ рдореЗрдВ рдХреЛрдИ рд╡рд┐рд╢реЗрд╖рддрд╛ рдирд╣реАрдВ рд╣реИ 'best_params_'рдореБрдЭреЗ рдХреНрдпрд╛ рдпрд╛рдж рдЖ рд░рд╣рд╛ рд╣реИ?
-
рдЗрд╕ рдИрдореЗрд▓ рдХрд╛ рд╕реАрдзреЗ рдЙрддреНрддрд░ рджреЗрдВ рдпрд╛ рдЗрд╕реЗ GitHub рдкрд░ рджреЗрдЦреЗрдВ
https://github.com/scikit-learn/scikit-learn/issues/3320.
рд╕рд╣реА рдмрд╛рдд рд╣реИред =\ рдореИрдВ рдлрд┐рдЯ рднреВрд▓ рдЧрдпрд╛ред рдзрдиреНрдпрд╡рд╛рдж рдПрдВрдбреНрд░рд┐рдпрд╛рд╕ред
рдХрд┐рддрдиреА рджреЗрд░ рд▓рдЧреЗрдЧреА?
рд╕рдмрд╕реЗ рдЙрдкрдпреЛрдЧреА рдЯрд┐рдкреНрдкрдгреА
рдЖрдкрдиреЗ рдлрд┐рдЯ рдирд╣реАрдВ рдХрд╣рд╛, рд╣реИ рдирд╛?
26 рдЬреВрди 2014 рдХреЛ рд╢рд╛рдо 4:36 рдмрдЬреЗ, "рд╡рд┐рдЯреЛрд░ рдХреИрдореНрдкреЛрд╕ рдбреА рдУрд▓рд┐рд╡реЗрд░рд╛" <
рд╕реВрдЪрдирд╛рдПрдВ@github.com> рдиреЗ рд▓рд┐рдЦрд╛: