如何通过skopt/BayesSearchCV搜索绘制学习曲线？

Question

我很难从剪刀优化中画出一个学习曲线。以下是我尝试过的：

from skopt.space import Real, Integer, Categorical
from skopt.utils import use_named_args
from skopt import BayesSearchCV
from skopt.plots import plot_convergence

rf = RandomForestRegressor(random_state =7, n_jobs=4)
def RunSKOpt(X_train, y_train):  
    hyper_parameters =  {"n_estimators":      (5, 500),
                         "max_depth":         Categorical([3, None]),
                         "min_samples_split": (2, 10),
                         "min_samples_leaf":  (1, 10)
                        }

    search = BayesSearchCV(rf,
                           hyper_parameters,
                           n_iter = 40,
                           n_jobs = 4,
                           cv = 10,
                           verbose = 1,
                           return_train_score = False
    )
    return search

search = RunSKOpt(X_train, y_train)
search.fit(X_train, y_train)

plot_convergence(search)

情节是空的。请告诉我我做错了什么。

查尔斯

Answer 1

直接从这个Github问题线程：https://github.com/scikit-optimize/scikit-optimize/issues/751

BayesSearchCV不是用来绘制会聚图的。不过，您可以使用*SearchCV的cv_results_属性，将其转换为熊猫(应该只是在cv_results_属性之外创建数据)，然后可视化不同迭代的估计器性能。该属性类似于GridSearchCV的属性：

下面就是一个例子：

​

​