dask-searchcv 0.2.0

亮点

• Scikit-Learn的GridSearchCV和RandomizedSearchCV的即插即用替代品。

• 可以使用线程、进程或跨集群分布来并行执行超参数优化。

• 与Dask集合配合良好。Dask数组、dataframes和delayed可以传递给fit。

• 具有相同参数和输入的候选估计器将只拟合一次。对于如Pipeline之类的复合估计器，这可以显著提高效率，因为它可以避免昂贵的重复计算。

有关更多信息，请参阅文档。

安装

Dask-searchcv可通过conda或pip获得。

# Install with conda
$ conda install dask-searchcv -c conda-forge

# Install with pip
$ pip install dask-searchcv

示例

from sklearn.datasets import load_digits
from sklearn.svm import SVC
import dask_searchcv as dcv
import numpy as np

digits = load_digits()

param_space = {'C': np.logspace(-4, 4, 9),
               'gamma': np.logspace(-4, 4, 9),
               'class_weight': [None, 'balanced']}

model = SVC(kernel='rbf')
search = dcv.GridSearchCV(model, param_space, cv=3)

search.fit(digits.data, digits.target)