使用 GridSearchCv 优化 SVR() 参数

Question

我想调整 "SVR()" 回归函数的参数。它开始处理并且不会停止，我无法找出问题所在。我正在使用 SVM 回归函数 SVR() 预测参数。使用 Python.so 中的默认值效果不好我想尝试使用 "GridSearchCv" 调整它。最后一部分 "grids.fit(Xtrain,ytrain)" 开始运行没有给出任何错误并且不会停止。 SVR() tunning using GridSearch 代码：

从 sklearn.model_selection 导入 GridSearchCV。

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

modelsvr = SVR(),

grids = GridSearchCV(modelsvr,param,cv=5)

grids.fit(Xtrain,ytrain)

它继续处理而不停止。

Answer 1

是的，你是对的。当我尝试运行 GridsearchCV for SVR() 时，我遇到了同样的情况。可能的原因是，1) 你的处理器内存 (RAM) 必须更少，2) 训练数据样本量更大，由于你的处理器内存不足，因此有可能在运行 Gridsearch 上花费更多时间，所以没有任何错误作业运行宁时间会更多。

供您参考：我有运行 Gridsearch，训练样本大小为 30K，使用 16GB RAM 内存 space，完成运行用了 210 分钟。所以，在这里耐心是必须的。

快乐分析!!

Answer 2

也许您应该在 GridSearch 中再添加两个选项（n_jobs 和 verbose）：

grid_search = GridSearchCV(estimator = svr_gs, param_grid = param, 
                      cv = 3, n_jobs = -1, verbose = 2)

verbose 表示您会看到一些关于进程进度的输出。

n_jobs 是已用内核的数量（-1 表示所有 cores/threads 您可用）

使用 GridSearchCv 优化 SVR() 参数

Optimizing SVR() parameters using GridSearchCv

svm

python-3.x