忽略sklearn中的“聚合警告”安全吗？

Question

我在{}中使用了{}。总是有很多警告。我检查了结果，结果看起来不错。所以我想知道忽略这些警告是否安全。我的一些想法是：

• 警告是因为我的反应太大吗？这也会使损失更大
• 在大多数情况下，当我增加迭代次数时，它会被解决吗？我不太愿意这样做，因为有时候跑步需要更长的时间，但结果没有改善

Answer 1

tl；dr这几乎总是好的，一定要注意学习曲线

因此，LassoCV实现了Lasso回归，通过某种梯度下降（更精确的是坐标下降，这是一种更简单的方法）对参数进行优化，并且作为所有梯度方法，该方法需要定义：

1. 步长
2. 停止标准

最流行的停止标准可能是：

a）固定的步骤数量（就时间而言，选择1000个步骤是很好的，因为与1个步骤相比，1000个步骤正好需要x1000个时间，因此很容易管理培训所花费的时间）

b）步骤n和n-1期间损失函数值之间的固定增量（差异）（可能更好的分类/回归质量）

您观察到的警告是因为LassoCV使用第一个标准（固定步数），但也检查第二个标准（增量），一旦达到固定步数，算法停止，增量的默认值对于大多数真实数据集来说太小

为了确保你训练模型的时间足够长，你可以画出一条学习曲线：每训练10-20-50步后，损失值，一旦达到高原，你最好停下来