В SGD с потерей шарнира для линейного SVM, как получить оценки AUC, так как предикат_проба не работает, когда потеря = шарнир - PullRequest
Новая
       22

В SGD с потерей шарнира для линейного SVM, как получить оценки AUC, так как предикат_проба не работает, когда потеря = шарнир

0 голосов
/ 02 апреля 2019

Я вижу, что в документации упоминается, что предикат_проба не работает с потерей = шарнир. Есть ли другой способ получить оценки AUC?

Я искал в Интернете решение, в котором нашел различные методы, такие как частичное_применение, решение_функции, CalibratedClassifierCV, но я немного запутался, как и когда их использовать. 

K=[0.0001,0.01,0.1,10,100,1000]
cv_auc=[]
train_auc=[]
for i in K:
    clf = SGDClassifier(alpha=i, penalty='l2', loss='hinge')
    clf.partial_fit(x_train,y_train,np.unique(y))
    y_train_pred=clf.predict_proba(x_train)
    y_cv_pred=clf.predict_proba(x_cv)
    train_auc.append(roc_auc_score(y_train,y_pred))
    cv_auc.append(roc_auc_score(y_cv,y_pred))

Я хочу найти лучшую альфу, используя CV с ROC_AUC.

...