Python sklearn ParameterSampler用法及代碼示例

本文簡要介紹python語言中 sklearn.model_selection.ParameterSampler 的用法。

用法:

class sklearn.model_selection.ParameterSampler(param_distributions, n_iter, *, random_state=None)

從給定分布采樣的參數生成器。

用於超參數搜索的隨機候選組合的非確定性可迭代。如果所有參數都以列表形式呈現，則執行無替換采樣。如果至少有一個參數作為分布給出，則使用帶放回抽樣。強烈建議對連續參數使用連續分布。

在用戶指南中閱讀更多信息。

參數：

param_distributions：dict

以參數名稱 (str) 作為鍵和分布或要嘗試的參數列表的字典。發行版必須提供 rvs 抽樣方法(例如來自 scipy.stats.distributions 的抽樣方法)。如果給出一個列表，則對其進行均勻采樣。如果給定一個字典列表，首先對字典進行均勻采樣，然後使用該字典對參數進行采樣，如上所述。

n_iter：int

生成的參數設置數。

random_state：int、RandomState 實例或無，默認=無

偽隨機數生成器狀態用於從可能值列表中隨機均勻抽樣，而不是 scipy.stats 分布。傳遞 int 以獲得跨多個函數調用的可重現輸出。請參閱詞匯表。

返回：

params：str 的字典到任何

生成字典，將每個估計器參數映射為采樣值。

例子：

>>> from sklearn.model_selection import ParameterSampler
>>> from scipy.stats.distributions import expon
>>> import numpy as np
>>> rng = np.random.RandomState(0)
>>> param_grid = {'a':[1, 2], 'b': expon()}
>>> param_list = list(ParameterSampler(param_grid, n_iter=4,
...                                    random_state=rng))
>>> rounded_list = [dict((k, round(v, 6)) for (k, v) in d.items())
...                 for d in param_list]
>>> rounded_list == [{'b': 0.89856, 'a': 1},
...                  {'b': 0.923223, 'a': 1},
...                  {'b': 1.878964, 'a': 2},
...                  {'b': 1.038159, 'a': 2}]
True