Обёртки для API Scikit-Learn.
Вы можете использовать модели последовательных Keras (только с одним входом) как часть рабочего процесса Scikit-Learn через обёртки, найденные на keras.wrappers.scikit_learn.py.
Доступно две обёртки:
keras.wrappers.scikit_learn.KerasClassifier(build_fn=None, **sk_params), который реализует интерфейс классификатора Scikit-Learn,
keras.wrappers.scikit_learn.KerasRegressor(build_fn=None, **sk_params), реализующий интерфейс регрессора Scikit-Learn.
Аргументы
- build_fn: вызываемая функция или экземпляр класса
- sk_params: параметры модели и параметры фиттинга
build_fn должна построить, скомпилировать и вернуть модель Keras, которая затем будет использована для подгонки/предсказания. Одно из следующих трех значений может быть передано для build_fn:
1.A функция
2.экземпляр класса, реализующего метод __call__.
3.None. Это означает, что вы реализуете класс, который наследуется либо от KerasClassifier, либо от KerasRegressor. Метод __call__ настоящего класса будет обработан как build_fn по умолчанию.
sk_params принимает как параметры модели, так и параметры подгонки. Параметры правовой модели являются аргументами build_fn. Обратите внимание, что как и все другие оценочные значения в Scikit-learn, build_fn должна предоставлять значения по умолчанию для своих аргументов, чтобы можно было создать оценку без передачи значений sk_params.
Также sk_params может принимать параметры для вызова методов fit, preict, preict_proba и score (например, epochs, batch_size). Подгоночные (предсказывающие) параметры выбираются в следующем порядке:
1. значения, передаваемые в словарь в качестве аргументов методов fit, predict, predict_proba и score
2.значения, переданные sk_params
3.значения по умолчанию keras.models.Sequential fit, Precision, Precision_proba и методы оценки.
При использовании API grid_search от scikit-learn, легальными настраиваемыми параметрами являются те, которые вы можете передавать в sk_params, включая параметры подгонки. Другими словами, вы можете использовать grid_search для поиска лучших размеров пакетов или эпох, а также параметров модели.