优化决策树的超参数
Optimize hyper-parameters of a decision tree
我正在尝试使用 sklearn 网格搜索来找到决策树的最佳参数。
Dtree= DecisionTreeRegressor()
parameter_space = {'max_features': ['auto', 'sqrt', 'log2'],
'ccp_alpha': [np.array(pd.Series(np.arange(0,1,0.001)))]}
clf_tree = GridSearchCV(Dtree, parameter_space,cv=5)
clf=clf_tree.fit(X,y)
我收到以下错误。我想知道你是否可以帮我解决这个问题。感谢您的宝贵时间。
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
也许是这个?
parameter_space = {'max_features': ['auto', 'sqrt', 'log2'], 'ccp_alpha': np.arange(0, 1, 0.001).tolist()}
我正在尝试使用 sklearn 网格搜索来找到决策树的最佳参数。
Dtree= DecisionTreeRegressor()
parameter_space = {'max_features': ['auto', 'sqrt', 'log2'],
'ccp_alpha': [np.array(pd.Series(np.arange(0,1,0.001)))]}
clf_tree = GridSearchCV(Dtree, parameter_space,cv=5)
clf=clf_tree.fit(X,y)
我收到以下错误。我想知道你是否可以帮我解决这个问题。感谢您的宝贵时间。
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
也许是这个?
parameter_space = {'max_features': ['auto', 'sqrt', 'log2'], 'ccp_alpha': np.arange(0, 1, 0.001).tolist()}