使用 K-fold CV 和 Gridsearch 使用 SVM 进行数据和训练的 PCA

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)