scikit-learn - 将目标/标签数据传递给 Scikit-learn GridSearchCV 的 OneClassSVM 拟合方法

Question

据我了解，One-Class SVM 是在没有目标/标签数据的情况下进行训练的。

一个答案在 Use of OneClassSVM with GridSearchCV当分类器是 OneClassSVM 时，建议将目标/标签数据传递给 GridSearchCV 的拟合方法。 .
GridSearchCV怎么办方法处理这些数据？

它真的训练OneClassSVM吗？没有目标/标签数据，只使用目标/标签数据进行评估？

我尝试关注 GridSearchCV source code ，但我找不到答案。

Answer 1

Does it actually train the OneClassSVM without the Target/label data, and just use the Target/label data for evaluation?

是的。

GridSearchCV does实际上在 fit 中将标签发送到 OneClassSVM调用，但 OneClassSVM 只是 ignores它。注意在第二个链接中如何将一个数组发送到主 SVM 训练器而不是给定的标签数组 y .参数如 y在 fit仅存在这样的元估计器，如 GridSearchCV可以以一致的方式工作，而无需担心有监督/无监督的估计器。

为了实际测试这一点，让我们首先使用 GridSearchCV 检测异常值:

X,y = load_iris(return_X_y=True)
yd = np.where(y==0,-1,1)
cv = KFold(n_splits=4,random_state=42,shuffle=True)
model = GridSearchCV(OneClassSVM(),{'gamma':['scale']},cv=cv,iid=False,scoring=make_scorer(f1_score))
model = model.fit(X,yd)
print(model.cv_results_)

注意所有 splitx_test_score在 cv_results_ .

现在让我们手动完成，无需发送标签 yd期间fit称呼:

for train,test in cv.split(X,yd):
    clf = OneClassSVM(gamma='scale').fit(X[train])  #Just features
    print(f1_score(yd[test],clf.predict(X[test])))

两者应该产生完全相同的分数。