# Sklearnのリッジ回帰でgridsearchcvを実行する方法 -- scikit-learn フィールド 関連 問題

## How to run GridsearchCV with Ridge regression in sklearn

1

### 問題

guys私はこれを行うためにSklearnからGridsearchCVをインポートしています。パラメータに配列で与えるべき値がわかりません：

<事前> <コード> Parameters={'alpha':[array]} Ridge_reg=GridsearchCV (ridge,parameters,scoring='neg mean squared error',cv=5)
1. これは正しいですか？
2. リッジ回帰グラフを見るには？

Guys I am importing GridsearchCV from sklearn to do this. I don't know what values I should give in array in the parameters:

``Parameters={'alpha':[array]} Ridge_reg=GridsearchCV (ridge,parameters,scoring='neg mean squared error',cv=5) ``
1. Is this correct?
2. How to see the ridge regression graph?
</div

## 回答リスト

1

これを使う：

<事前> <コード> from sklearn.linear_model import Ridge import numpy as np from sklearn.model_selection import GridSearchCV n_samples, n_features = 10, 5 rng = np.random.RandomState(0) y = rng.randn(n_samples) X = rng.randn(n_samples, n_features) parameters = {'alpha':[1, 10]} # define the model/ estimator model = Ridge() # define the grid search Ridge_reg= GridSearchCV(model, parameters, scoring='neg_mean_squared_error',cv=5) #fit the grid search Ridge_reg.fit(X,y) # best estimator print(Ridge_reg.best_estimator_) # best model best_model = Ridge_reg.best_estimator_ best_model.fit(X,y) ... ...

<強い>視覚化のために（正則化の関数としてのリッジ係数）：

<事前> <コード> import matplotlib.pyplot as plt alphas = [1, 10] coefs = [] for a in alphas: ridge = Ridge(alpha=a, fit_intercept=False) ridge.fit(X, y) coefs.append(ridge.coef_) ax = plt.gca() ax.plot(alphas, coefs) ax.set_xscale('log') ax.set_xlim(ax.get_xlim()[::-1]) # reverse axis plt.xlabel('alpha') plt.ylabel('weights') plt.title('Ridge coefficients as a function of the regularization') plt.axis('tight') plt.show()

The code that you posted has multiple syntactic errors e.g. `GridsearchCV` and `scoring='neg mean squared error'`.

The first input argument should be an object (model).

Use this:

``from sklearn.linear_model import Ridge import numpy as np from sklearn.model_selection import GridSearchCV  n_samples, n_features = 10, 5 rng = np.random.RandomState(0) y = rng.randn(n_samples) X = rng.randn(n_samples, n_features)  parameters = {'alpha':[1, 10]}  # define the model/ estimator model = Ridge()  # define the grid search Ridge_reg= GridSearchCV(model, parameters, scoring='neg_mean_squared_error',cv=5)  #fit the grid search Ridge_reg.fit(X,y)  # best estimator print(Ridge_reg.best_estimator_)  # best model best_model = Ridge_reg.best_estimator_ best_model.fit(X,y) ... ... ``

For the visualization (Ridge coefficients as a function of the regularization):

``import matplotlib.pyplot as plt  alphas = [1, 10] coefs = [] for a in alphas:     ridge = Ridge(alpha=a, fit_intercept=False)     ridge.fit(X, y)     coefs.append(ridge.coef_)  ax = plt.gca() ax.plot(alphas, coefs) ax.set_xscale('log') ax.set_xlim(ax.get_xlim()[::-1])  # reverse axis plt.xlabel('alpha') plt.ylabel('weights') plt.title('Ridge coefficients as a function of the regularization') plt.axis('tight') plt.show() ``

</div

## 関連する質問

4  Sklearnのロジスティック回帰機能  ( Logistic regression function on sklearn )
Sklearnからロジスティック回帰を学んで、これに渡って来ました： http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.logisticRegression.htmor...

1  Python - クラスタプロットチャートからリストを取得する方法  ( Python how to get list from cluster plot chart )
k平均クラスタリング法を使用するためにSklearnを使用しています。しかし、問題は、クラスタプロットチャートからリストを取得できます。私のコードは以下のようなです <事前> <コード> coord.service5 実際に私はすでにコードを手に入れ...

2  XGBoost Pythonのテストデータの予測中にエラーが発生しました  ( Error while predicting test data in xgboost python )
XGBoost Pythonを使用してテキストの分類を実行しています 下記は私が検討しているTrainesetです。 <事前> <コード> itemid description ...

0  AttributeError： 'GaussianMixture'オブジェクトにはPythonに属性 'covars_'がありません  ( Attributeerror gaussianmixture object has no attribute covars in python )
これはこの link と下記に示すように、 <事前> <コード> from matplotlib.patches import Ellipse def draw_ellipse(position, covariance, ax=None, **kwargs...

2  ターミナルで動作していても、インポート中のPycharmエラー  ( Pycharm error while importing even though it works in the terminal )
パッケージTensorflowとScikit_Learnとそのすべての依存関係をインストールしました。 Python 2.7.6または2.7.10（両方とも試してみた）を使用してターミナルでそれらをインポートしてみるとうまく機能します。ただし、Pycharmを...

4  Scikit - OpenMP libsvmを学びました  ( Scikit learn openmp libsvm )
Scikit-Learn SVCを使用してデータを分類しています。トレーニングパフォーマンスを向上させたいのですが。 clf = svm.svc（cache_size = 4000、確率= true、verbose = true） libsvmとli...

3  CATACORICALと見なす必要がある文字列を使用したSKLEARN DecisionTreeCassifier  ( Sklearn decisiontreeclassifier using strings that should be considered categoric )
<コード> sklearn.tree.DecisionTreeClassifier を訓練しています。 pandas.core.frame.DataFrame で始まります。このデータフレームの列の一部は、実際にカテゴリカルにする必要がある文字列です。たと...

8  scikit-learn roc_auc_score（）は正確さの値を返します  ( Scikit learn roc auc score returns accuracy values )

1  カテゴリカルフィーチャカテゴリ特徴と非カテゴリカルフィーチャに回帰する方法  ( How to make regression with categorical and non categorical features )

0  Pipeline + StandardScaler + OHE + CLF + GRIDSearchCV + ColumnTranFormer  ( Pipeline standardscaler ohe clf gridsearchcv columntranformer )