使用GridSearchCv优化SVR()参数

Question

我想调优"SVR()“回归函数的参数。它开始处理并不停止，我无法弄清楚问题所在。我正在使用SVM回归函数SVR()预测一个参数。在Python.so中默认值的效果不好，我想试着用"GridSearchCv“调优它。最后一部分"grids.fit(Xtrain，ytrain)“开始运行，没有给出任何错误，也没有停止。SVR() tunning using GridSearch代码：

从sklearn.model_selection导入GridSearchCV。

param = {'kernel' : ('linear', 'poly', 'rbf', 'sigmoid'),'C' : [1,5,10],'degree' : [3,8],'coef0' : [0.01,10,0.5],'gamma' : ('auto','scale')},

modelsvr = SVR(),

grids = GridSearchCV(modelsvr,param,cv=5)

grids.fit(Xtrain,ytrain)

它继续不间断地进行处理。

Answer 1

是的，你是对的。当我尝试为SVR()运行GridsearchCV时，我也遇到过同样的情况。可能的原因是，1)您的处理器内存(RAM)必须较小，2)训练数据样本大小较大，由于您的处理器内存较低，因此运行Gridsearch的机会相等，因此没有任何错误，作业运行时间将会更长。

供你参考:我已经用16GBRAM内存空间运行了训练样本大小为30K的Gridsearch，它花费了210分钟来完成运行。所以，在这里，耐心是必须的。

快乐分析!！

Answer 2

也许你应该在你的GridSearch中添加两个选项(n_jobs和verbose)：

grid_search = GridSearchCV(estimator = svr_gs, param_grid = param, 
                      cv = 3, n_jobs = -1, verbose = 2)

verbose意味着您可以看到有关流程进度的一些输出。

n_jobs是已用核心的数量is (-1表示所有可用的核心/线程)