我是Python新手,希望实现一个简单的矩阵分解分类器
正如我在另一篇文章中读到的,有一些可能性可以使用,我选择了sklearn decomposition.NMF
:https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.NMF.html
不幸的是,我得到了以下错误:
TypeError: Parameter value is not iterable or distribution (key='n_components', value=2)
我试着这样做:
self.clf = decomposition.NMF()
self.random_parameters = [
{"n_components": 2, "init": None, "solver": 'cd', "beta_loss": 'frobenius', "tol": 0.0001, "max_iter": 200,"random_state": None, "alpha": 0.0, "l1_ratio": 0.0, "verbose": 0, "shuffle": False}
]
有趣的是,我在Sklearn
之前实现了RandomForestClassifier
,效果非常好:
self.clf = ensemble.RandomForestClassifier()
self.random_parameters = [
{"n_estimators": stats.randint(20, 200), "criterion": ["gini"], "max_depth": stats.randint(1, 1500)},
{"n_estimators": stats.randint(20, 200), "criterion": ["gini"], "max_depth": [None]}]
我也从sklearn网站上得到了这个:https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html
我在谷歌上搜索了几个小时,不幸的是找不到合适的解决方案
如果有人能帮忙,我将非常感激!祝你身体健康
对于n\u估计器,尝试传递一个变量列表,我认为它会起作用
self.clf=employ.RandomForestClassifier()
self.random_参数=[ {“n_估计量”:[20,50100200],“标准”:[“基尼”],“最大深度”:stats.randint(11500)}, {“n_估计值”:[20,50100200],“标准”:[“基尼”],“最大深度”:[None]}]
试试这个:
“n_组件”:[2]
相关问题 更多 >
编程相关推荐