用GridsearchCV寻找桦木的最佳参数

Question

我使用gridsearchCV来寻找BIRCH的最佳参数，我的代码是：

RAND_STATE=50  # for reproducibility and consistency
folds=3
k_fold = KFold(n_splits=folds, shuffle=True, random_state=RAND_STATE)

hyperparams = { "branching_factor": [50,100,200,300,400,500,600,700,800,900],
                "n_clusters": [5,7,9,11,13,17,21],
                "threshold": [0.2,0.3,0.4,0.5,0.6,0.7]}
birch = Birch()

def sil_score(ndata):
    labels = ensemble.predict(ndata)
    score = silhouette_score(ndata, labels)
    return score

sil_scorer = make_scorer(sil_score)

ensemble = GridSearchCV(estimator=birch,param_grid=hyperparams,scoring=sil_scorer,cv=k_fold,verbose=10,n_jobs=-1)

ensemble.fit(x)
print ensemble
best_parameters = ensemble.best_params_
print best_parameters
best_score = ensemble.best_score_
print best_score

但是输出给我一个错误：

我很困惑为什么score值要寻找4个参数，而我已经在sil_score函数中声明了评分所需的参数。在

Answer 1

你的记分功能不正确。语法应该是sil_score(y_true,y_pred)，其中y嫒true是基本真理标签，y_pred是预测的标签。你也不需要在评分函数中使用集合对象来分别预测标签。另外，在您的例子中，直接使用silhouette_score作为评分函数更有意义，因为您正在调用您的集成来预测评分函数内部的标签，这根本不需要。只需传递silhouette_score作为评分函数，GridSearchCV将自行预测评分。在

Here is an example如果您想看看它是如何工作的。在