Искусственная нейронная сеть: ошибка с GridSearchCV возвращает первые параметры каждый раз - PullRequest
Новая
       24

Искусственная нейронная сеть: ошибка с GridSearchCV возвращает первые параметры каждый раз

0 голосов
/ 25 сентября 2018

Я делаю ANN в Python и ищу лучшие параметры для моего ANN с GridSearchCV (sklearn).Проблема в том, что каждый раз атрибут «best_parameters» возвращает первый элемент каждого параметра (поэтому, если я изменю порядок своих элементов, результат будет другим).

Вот мой код: 

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import GridSearchCV

# Importing the dataset
dataset = pd.read_csv('data.csv')
X = dataset.iloc[:, 17:27].values
y = dataset.iloc[:, 3].values

# Splitting the dataset into the Training set and Test set
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 0)

# Feature Scaling
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

# Find best parameters
def build_classifier(optimizer):
    # Init ANN
    classifier = Sequential()
    # Add input and first hidden layers
    classifier.add(Dense(units=6, activation="relu", kernel_initializer="uniform", input_dim=10))
    # Add another hidder layer
    classifier.add(Dense(units=6, activation="relu", kernel_initializer="uniform"))
    # Add output layer
    classifier.add(Dense(units=1, activation="sigmoid", kernel_initializer="uniform"))
    # Compile ANN
    classifier.compile(optimizer=optimizer, loss="mean_squared_error")
    return classifier

# Looking for best parameters with GridSearchCV
classifier = KerasClassifier(build_fn=build_classifier)
parameters = {"batch_size":[1, 5, 10], "epochs":[100,200], "optimizer": ["rmsprop", "sgd", "adam"]}
grid_search = GridSearchCV(estimator=classifier, param_grid=parameters, scoring="neg_mean_squared_error", cv=10)
grid_search = grid_search.fit(X_train, y_train)

best_parameters = grid_search.best_params_
best_precision = grid_search.best_score_

Итак, в строке parameters = {"batch_size":[1, 5, 10], "epochs":[100,200], "optimizer": ["rmsprop", "sgd", "adam"]} у меня есть параметры, которые я хочу попробовать, и атрибут "best_parameters" всегда возвращает первый элемент каждого параметра (проверьте изображение, где я пробую несколько порядков для параметров). best_parameters возвращаются в соответствии с порядком параметров

Я не понимаю, откуда это и как это исправить.

1 Ответ

0 голосов
/ 04 октября 2018

Я нашел решение, которое было ошибкой, которую я сделал ... Я использовал KerasClassifier, чтобы найти лучшие параметры, в то время как я хотел сделать регрессию ... Так что я думаю, что KerasClassifier не удалось сделать то, что он должен былсделать, а затем вернуть первые параметры.Поскольку я делаю регрессию, вместо этого я должен использовать KerasRegressor.

...