Nano Hash - криптовалюты, майнинг, программирование

Коэффициенты возврата после Pipeline, GridSearch и Target Transformation

Этот вопрос задавался раньше, здесь и здесь. Когда я пробую эти ответы, мое сообщение об ошибке заключается в том, что моя модель не имеет атрибута coef. Я использую конвейер, gridsearch и Target Transformation. Я могу получить доступ к самой модели, но мое сообщение об ошибке заключается в том, что моя модель SGDRegressor не имеет атрибута coef_.

cv_inner = KFold(n_splits=5, shuffle=True)
params = {'model__regressor__penalty':['elasticnet']
            ,'model__regressor__l1_ratio': [0.1,0.3]
            }
mymodel = Pipeline(steps = [('preprocessor', preprocessor),
                                ('model', TTR(regressor=SGDRegressor(n_jobs=-1),transformer=qt))
                                ])
optimize_hparams = GridSearchCV(
    estimator = mymodel, param_grid=params, n_jobs = -1,
    cv=cv_inner, scoring='neg_mean_absolute_error')
optimize_hparams.fit(X, y)
optimize_hparams.best_estimator_.named_steps['model'].regressor.coef_
# 'SGDRegressor' object has no attribute 'coef_'

  • Что делает optimize_hparams.best_estimator_.named_steps['model'].coef_? 28.01.2021
  • Теоретически он извлекает коэффициенты из модели. Это то, что вызывает ошибку. 28.01.2021

Ответы:


1

Атрибут TransformedTargetRegressor regressor является входной неподходящей оценкой. Вам нужен regressor_, приспособленный регрессор. (Обратите внимание, что в документации говорится, что regressor клонируется до подбора, поэтому атрибут остается неподходящим.)

28.01.2021
  • всегда самое простое изменение с этими вещами 29.01.2021
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..