PCA 数据和 SVM 训练与 K-fold CV 和 Gridsearch

Question

我需要使用 LinearSVC 和 10 折交叉验证以及内部 2 折 Gridsearch 来训练 SVM 模型以优化 gamma 和 C。但我还必须对我的数据应用 PCA 以减小其大小。我应该在模型的 CV 和训练发生的循环之前或之内应用 PCA 吗？在后一种情况下，每个循环都有不同数量的主成分，但这有什么缺点吗？

Answer 1

最好的解决方案是创建一个 sklearn Pipeline 并将两个步骤（PCA 和 LinarSvc 放在其中）。这将创建一个实现 fit() 和 predict() 的对象，并且可以在 GridSearchCV.

中使用

from sklearn.svm import LinearSVC
from sklearn.pipeline import Pipeline
from sklearn.decomposition import PCA
from sklearn.model_selection import GridSearchCV

pipe = Pipeline([('pca', PCA()),
                 ('clf', LinearSVC())])
params = {
    'pca__n_components' : [2, 5, 10, 15],
    'clf__C' : [0.5, 1, 5, 10],
}

gs = GridSearchCV(estimator=pipe, param_grid=params)
gs.fit(X_train, y_train)

PCA 数据和 SVM 训练与 K-fold CV 和 Gridsearch

PCA on data and training with SVM with K-fold CV and Gridsearch

machine-learning

scikit-learn

svm

pca