问题描述
下面代码中的 reciprocal() 和 expon() 有什么用？
svm_grid_R = {'kernel':["linear","rbf"],'C': reciprocal(20,200000),"gamma" : expon(scale=1.0)}
为什么我们不能只使用 range()？ expon(scale=1.0) 和 reciprocal(20,200000) 表示什么范围？
对于上下文，使用这些参数的代码如下：
svm_reg = SVR()
rnd_search = RandomizedSearchCV(svm_reg,param_distributions=svm_grid_R,n_iter=50,cv=5,scoring='neg_mean_squared_error',verbose=2,random_state=42)
rnd_search.fit(housing_prepared,housing_labels)
解决方法
我建议您检查脚本中导入函数的部分，以确定它们是什么。从你的问题中，我推断出以下内容：
-
reciprocal应该来自from scipy.stats import reciprocal，它会给你一个倒数随机变量。 -
expon应该来自from scipy.stats import expon，它会给你一个指数随机变量。
在您的代码中，您将这些随机变量作为 C 和 gamma 参数传递给随机搜索。这意味着搜索使用的随机参数将从这两个分布中采样。
从技术上讲，您还可以使用 range 来告诉搜索从给定序列中随机抽取数字。另一种方法是向搜索传递一个随机变量，从中采样随机参数。您的代码采用了第二种方法。
为了更好地理解第二种方法的全部内容，请尝试以下操作：
# Import the distribution
from scipy.stats import expon
# Initialize a random variable with lambda=1 (scale=1)
exponential_rv = expon(scale=1)
# Draw a random sample from this distribution
exponential_rv.rvs()
> 0.780028923390962
在这种特定情况下，您的搜索会将 C=0.780028923390962 传递给您的支持向量机。