以randomForRest分类器作为基本估计的校准CV上的scikit GridSearchCV

Question

我想知道是否有一种方法可以对嵌入在CalibratedCV中的random forrest分类器执行GridSearchCV，我想优化日志丢失，所以我需要对calibrated cv进行评估，但我想更改random forrest的参数。在

提前谢谢

Answer 1

由于我需要RandomSearchCV和RandomForrestClassifier可以愉快地使用所有可用的核心，因此我最终使用了我自己的解决方案：

from numpy import random
def random_params(model_parameters):
    model_params = {}
    for k, v in model_parameters.iteritems():
        if type(v) is list:
            model_params[k] = random.choice(v)
        elif 'scipy' in str(type(v)):
            try:
                from scipy.stats import distributions
            except ValueError:
                raise ValueError('random_search requires scipy.stats')

            model_params[k] = v.rvs(1)[0]
        elif isinstance(v, int) or isinstance(v, float) or isinstance(v, str):
            model_params[k] = v
        else:
            raise ValueError('Unrecognized search value for parameter %s' % k)
    return model_params

随机绘制参数集。其余的都是微不足道的。在