对多个输出执行SVR时出错

Question

尝试为多个输出执行SVR。从对我有用的超参数调优开始。现在我想使用最优的参数来创建模型，但是我得到了一个错误。怎么解决这个问题？

from sklearn.svm import SVR
from sklearn.model_selection import GridSearchCV
from sklearn.multioutput import MultiOutputRegressor

svr = SVR()
svr_regr = MultiOutputRegressor(svr)

from sklearn.model_selection import KFold
kfold_splitter = KFold(n_splits=6, random_state = 0,shuffle=True)


svr_gs = GridSearchCV(svr_regr,
                  param_grid = {'estimator__kernel': ('linear','poly','rbf','sigmoid'),
                                'estimator__C': [1,1.5,2,2.5,3,3.5,4,4.5,5,5.5,6,6.5,7,7.5,8,8.5,9,9.5,10],
                                'estimator__degree': [3,8],
                                'estimator__coef0': [0.01,0.1,0.5],
                                'estimator__gamma': ('auto','scale'),
                                'estimator__tol': [1e-3, 1e-4, 1e-5, 1e-6]},
                  cv=kfold_splitter,
                  n_jobs=-1,
                  scoring='r2') 



svr_gs.fit(X_train, y_train)


print(svr_gs.best_params_)
#print(gs.best_score_)

输出：

 {'estimator__C': 10, 'estimator__coef0': 0.01, 'estimator__degree': 3, 'estimator__gamma': 'auto', 'estimator__kernel': 'rbf', 'estimator__tol': 1e-06}

试图使用输出：创建模型

SVR_model = svr_regr (kernel='rbf',C=10,
                      coef0=0.01,degree=3,
                      gamma='auto',tol=1e-6,random_state=42)
SVR_model.fit(X_train, y_train)
SVR_model_y_predict = SVR_model.predict((X_test))
SVR_model_y_predict

错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
/var/folders/mm/r4gnnwl948zclfyx12w803040000gn/T/ipykernel_96269/769104914.py in <module>
----> 1 SVR_model = svr_regr (estimator__kernel='rbf',estimator__C=10,
      2                       estimator__coef0=0.01,estimator__degree=3,
      3                       estimator__gamma='auto',estimator__tol=1e-6,random_state=42)
      4 
      5 

TypeError: 'MultiOutputRegressor' object is not callable

Answer 1

请咨询MultiOutputRegressor文档。

你得到的回归者是模型。它不是一种方法，但它确实提供了一些您可以调用的有趣方法，例如.fit()、.predict()和.score()。

您正在尝试指定kernel和一些其他参数。在代码的顶部，您似乎想将这些提供给SVR()。