Uczę się sprawdzania sieci sprawdzania poprawności i natknąłem się na to youtube playlist, a samouczek został również przesłany do github jako notatnik do ipythona. Próbuję odtworzyć kody w sekcji Przeszukując wiele parametrów jednocześnie,, ale zamiast używać knn używam Regresji SVM. To jest mój kodScikit-uczenie siatka z regresem 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
Ale jej daje ten błąd
raise ValueError("X should be a square kernel matrix") ValueError: X should be a square kernel matrix
Przy zgłaszaniu błędu Python należy zawsze podawać pełny Pythona traceback co daje informacje o tym, gdzie został zgłoszony wyjątek. – ogrisel