Я пытаюсь использовать GridSearchCV с v_measure_score и сравнить результат
с другим методом БЕЗ GridSearchCV.Sklearn - GridSearchCV с v_measure_score не то же самое
лучший результат v_measure_score с помощью петли для- является +0,69816019299 с процентиль 27;
лучший результат GridSearchCV является 0,565562627046 с процентиль .
На мой взгляд, результаты должны быть одинаковыми.
Я проверил свой код несколько раз, но до сих пор не могу понять причину. Ниже мой код:
GridSearchCV
estimators = [('tfIdf', TfidfTransformer()), ('sPT', SelectPercentile()), ('kmeans', cluster.KMeans())]
pipe = Pipeline(estimators)
params = dict(tfIdf__smooth_idf=[True],
sPT__score_func= [f_classif], sPT__percentile=range(100, 0, -1),
kmeans__n_clusters=[clusterNum], kmeans__random_state=[0], kmeans__precompute_distances=[True])
v_measure_scorer = make_scorer(v_measure_score)
grid_search = GridSearchCV(pipe, param_grid=params, scoring=v_measure_scorer)
grid_search_fit = grid_search.fit(apiVectorArray, yTarget)
v_measure_score по для цикла
bestPercent = [-1, -1]
for percent in xrange(100, 0, -1):
transformer = TfidfTransformer(smooth_idf=True)
apiVectorArrayTFIDF = transformer.fit_transform(apiVectorArray)
apiVectorFit = SelectPercentile(f_classif, percentile=percent).fit(apiVectorArrayTFIDF, yTarget)
k_means = cluster.KMeans(n_clusters=clusterNum, random_state=0, precompute_distances=True).fit(apiVectorFit.transform(apiVectorArrayTFIDF))
if v_measure_score(yTarget, k_means.labels_) > bestPercent[1]:
bestPercent[0] = percent
bestPercent[1] = v_measure_score(yTarget, k_means.labels_)
Я пытался добавить цвет в моем коде, но не удалось.
Извините за ваши глаза.
Спасибо.