Sto imparando la ricerca della griglia di convalida incrociata e ho trovato questo youtube playlist e il tutorial è stato anche caricato su github come un notebook ipython. Sto cercando di ricreare i codici nella sezione Ricerca simultanea parametri multiplima invece di usare knn sto usando SVM Regression. Questo è il mio codiceScikit-learn griglia di ricerca con regressione SVM
from sklearn.datasets import load_iris
from sklearn import svm
from sklearn.grid_search import GridSearchCV
import matplotlib.pyplot as plt
import numpy as np
iris = load_iris()
X = iris.data
y = iris.target
k=['rbf', 'linear','poly','sigmoid','precomputed']
c= range(1,100)
g=np.arange(1e-4,1e-2,0.0001)
g=g.tolist()
param_grid=dict(kernel=k, C=c, gamma=g)
print param_grid
svr=svm.SVC()
grid = GridSearchCV(svr, param_grid, cv=5,scoring='accuracy')
grid.fit(X, y)
print()
print("Grid scores on development set:")
print()
print grid.grid_scores_
print("Best parameters set found on development set:")
print()
print(grid.best_params_)
print("Grid best score:")
print()
print (grid.best_score_)
# create a list of the mean scores only
grid_mean_scores = [result.mean_validation_score for result in grid.grid_scores_]
print grid_mean_scores
Ma il suo dare questo errore
raise ValueError("X should be a square kernel matrix") ValueError: X should be a square kernel matrix
Quando si segnala un errore di Python si dovrebbe sempre citare il traceback completo Python presso dà informazioni su dove è stata sollevata l'eccezione. – ogrisel