我正在使用 SVR() 函数进行回归。我无法使用#Pyswarm 的#pso 优化它的参数

Question

使用#pyswarm #PSO 函数优化#SVR() 的参数。

我有 200 个数据集输入，每个输入有 9 个特征。我必须预测一个输出参数。我已经通过使用它的默认参数调用 #SVR() 函数来做到这一点。结果并不令人满意。现在我想用“PSO”算法优化它的参数但无法做到。

model = SVR()model.fit(Xtrain,ytrain)

pred_y = model.predict(Xtest)

param = {'kernel' : ('linear', 'poly', 'rbf', 'sigmoid'),'C':[1,5,10],'degree' : [3,8],'coef0' : [0.01,10,0.5],'gamma' : ('auto','scale')}

import pyswarms as ps

optimizer = ps.single.GlobalBestPSO(n_particles=10, dimensions=2,options=param)

best_cost, best_pos = optimizer.optimize(model, iters=100)-

2019-08-13 12:19:48,551 - pyswarms.single.global_best - INFO - Optimize for 100 iters with {'kernel': ('linear', 'poly', 'rbf', 'sigmoid'), 'C': [1, 5, 10], 'degree': [3, 8], 'coef0': [0.01, 10, 0.5], 'gamma': ('auto', 'scale')}
pyswarms.single.global_best:   0%|                                       |0/100

TypeError: 'SVR' object is not callable

Answer 1

前两行有错误。两行代码错误地混合在那里。

1. model = SVR()
2. model.fit(Xtrain,ytrain)

我正在使用 SVR() 函数进行回归。我无法使用#Pyswarm 的#pso 优化它的参数

I am using SVR() function for regression. I am unable to optimize it's parameter using #pso by #Pyswarm

python-3.x

particle-swarm