未知變量聲明

我一直在閱讀kaggle中的幾個代碼，並且遇到了模糊的實現。直到今天，我從來不知道我們可以在模型的外部聲明一個變量。未知變量聲明

from sklearn.linear_model import LogisticRegression 
... 
model = LogisticRegression() 
.... 
model.loss = 0.01 
model.penalty = 'l1' 
model.l1_ratio = True 
model.alpha = 'auto' 
model.fit(x_train, y_train)

我知道，在sklearn迴歸沒有任何除了懲罰這些參數的，我發現在sklearn本身另一個線性算法SGDClassifier，這實際上接受所有這些參數而是「損失」，'l1_ratio'，'alpha'的數據類型是不同的。我知道每個參數的描述以及爲什麼它們用於其他算法，但我無法理解此聲明背後的原因。不勝感激這個實現的任何解釋。謝謝。

來源

2017-09-26 Amey Yadav

您可以使用此行爲鏈接任何文章，以便我們可以更好地瞭解爲什麼它被完成。從上面的代碼中，它沒有用（因爲它不會在sklearn的任何地方使用），除了易於更改算法。在這裏，我們可以將'model = LogisticRegression（）'更改爲model = GradientBoostingClassifier（），而不必擔心再次聲明它們。只有模型的相關參數纔會發生變化，其餘部分只會在沒有任何影響的情況下出現。 –

我認爲利用這種類型聲明的一種方法是讓代碼更加模塊化。像這樣：

def get_clf(clf_type,loss,penalty): 
    my_clf = clf_type 
    my_clf.loss = loss 
    my_clf.penalty = penalty 
    return my_clf

現在這可以被視爲一個通用的函數，使您的代碼更模塊化。所以每當你需要創建一個分類，你可以致電：

model = get_clf(LogisiticRegression(),0.01,'l1')

所以，即使你改變你的迴歸，你只需要改變上述單行。再次，這是關於編程的個人風格以及如何使用它的一切。有些人喜歡在定義本身中聲明參數，有些則明確地在你的問題中進行。

來源

2017-09-26 07:20:03

我明白了，但是由於我們明確聲明和初始化這些變量，它們將如何在算法中使用。 –

未知變量聲明

回答

相關問題