问题描述
我需要使用 LinearSVC 训练 SVM 模型,并使用内部 2 倍 Gridsearch 进行 10 倍交叉验证以优化 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 CV 和模型训练发生的循环之前还是在循环内应用 PCA? 在后一种情况下,我会为每个循环使用不同数量的主成分,但这有什么缺点吗?
解决方法
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()
并且可以在 GridSearchCV
中使用的对象。
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' : [0.5,1,10],}
gs = GridSearchCV(estimator=pipe,param_grid=params)
gs.fit(X_train,y_train)