应该如何为为 sklearn_crfsuite.CRF 定义的其他算法定义超参数

数据挖掘 分类 scikit-学习 梯度下降 感知器
2022-02-15 12:29:51

在为 sklearn_crfsuite 给出的示例需要传递给像RandomizedSearchCV这样的 cross_validating 类的参数空间定义如下。

params_space = {
    'c1': scipy.stats.expon(scale=0.5),
    'c2': scipy.stats.expon(scale=0.05),
}

在示例中,显示的算法是“lbfgs”。sklearn_crfsuite 中支持的其他算法是“l2sgd”、“ap”、“pa”、“arow”。params_space在这些情况下应该如何定义变量?

2个回答

C1C2分别是 L1 和 L2 正则化的系数。params_space无论优化算法如何,您都可以使用相同的定义。

您可以在文档中查看哪些参数适用于哪种算法。根据算法,您可以优化不同的算法,例如 c1 和 c2 以及 epsilon 或 gamma。 https://sklearn-crfsuite.readthedocs.io/en/latest/api.html