自己写的算法，如何用网格搜索进行超参数优化？

Question

老师：
1.第四章 模仿 from sklearn.neighbors import KNeighborsClassifier 这个类写的kNN算法，我想用sklearn的网格搜索对自己写的算法中的k值进行超参数优化，如何实现？
2.老师，我学习别人的代码，代码中定义了一个函数，如下。每个形参后面都跟着一个“: object” ，最后还有“-> object”。这种用法，我没觉得跟不加object,有啥区别，可能是我知识不够，老师您了解吗？代码如下：
def binarize_Img(Img: object, number: object, proj: object, geotrans: object) -> object:
pass

Answer 1

liuyubobobo 2020-08-25 06:50:55

1 

这是一个 sklearn 的使用问题（高级使用问题），简单地说，你需要实现一个 sklearn 定义的 estimator 的对象。因为，GridSearchCV 的第一个参数，要求是一个 estimator。（sklearn 中的所有算法类，都是一个 estimator）。

具体如何实现一个 estimator，sklearn 有一篇官方文档，可以参考这里：https://scikit-learn.org/stable/developers/develop.html

在网上搜索一下，应该也有很多人分享如何创建一个属于自己的 estimator，我简单搜索了一下，比如这个：http://danielhnyk.cz/creating-your-own-estimator-scikit-learn/

2

python 自 3.7 开始支持类型标注。它的这个代码在使用这个特性。对这个特性感兴趣，可以在网上搜索：类型标注。Python 对应的官方文档参考这里：https://docs.python.org/3/library/typing.html

但是，这个函数如果所有的参数都标注成 object，我个人认为意义不大。具体他这样写的用意是什么，你还是需要和代码的原作者讨论。

继续加油！：）

• 提问者 樟子松 #1

  非常感谢！