我的目标是包含一个“mod_type”参数，指示要运行的模型的类型，无论是决策树还是 knn，使用 kwargs 让用户传入可选的关键字参数“k”代表 knn，“max_depth”代表决策树. 如果用户传入这些，则在初始化模型时酌情使用它们。返回模型对象。
为此，我使用以下功能：
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import pandas as pd
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
def my_classification(x,y,mod_type,**kwargs):
if mod_type == "dt":
if max_d in kwargs.keys():
dt = DecisionTreeClassifier(max_depth=max_d.values())
dt.fit(x,y)
return dt
else:
dt = DecisionTreeClassifier()
dt.fit(x,y)
return dt
elif mod_type == "knn":
if k in kwargs.keys():
knn = KNeighborsClassifier(k.values())
knn.fit(x,y)
return knn
else:
knn = KNeighborsClassifier()
knn.fit(x,y)
return knn
else:
print("unavailable type")
iris = load_iris()
x = pd.DataFrame(iris.data)
y = iris.target
my_classification(x,y,"dt")
理解 kwargs 并不容易，但我想我现在可能拥有它，它给我的错误是：NameError: name 'max_d' is not defined. 我已经尝试在函数之前创建它们，然后在其中更改它们，但它会打印模型而不做任何更改。
有人可以帮忙吗？
kwargs是一个字典，参数的名称作为键，它们的值作为值。
这是您可以使用它的方式：
if mod_type == "dt":
if "max_d" in kwargs:
dt = DecisionTreeClassifier(max_depth=kwargs["max_d"])
...
elif mod_type == "knn":
if "k" in kwargs:
knn = KNeighborsClassifier(kwargs["k"])
...
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句