scikit-learnでのクラスタリングのハイパーパラメータ評価のためのグリッド検索

Question

私は約100レコードのサンプルをクラスタリングしています（ラベルなし）。そしてgrid_searchを使用して様々なハイパーパラメータでクラスタリングアルゴリズムを評価しようとしています。私はsilhouette_scoreを使って得点しています。これはうまくいきます。ここ

私の問題は、私はGridSearchCV/RandomizedSearchCVの相互検証の側面を使用する必要はありませんが、私はシンプルGridSearch/RandomizedSearchを見つけることができないということです。私は自分で書くことができますが、ParameterSamplerとParameterGridのオブジェクトは非常に便利です。

私の次のステップは、cvパラメータに何かを渡すことによって、たとえば、これを行うための簡単な方法があるBaseSearchCVのサブクラスを作成し、自分の_fit()メソッドを実装することで、それは尋ねる価値があったと思ったのだろうか？

def silhouette_score(estimator, X): 
    clusters = estimator.fit_predict(X) 
    score = metrics.silhouette_score(distance_matrix, clusters, metric='precomputed') 
    return score 

ca = KMeans() 
param_grid = {"n_clusters": range(2, 11)} 

# run randomized search 
search = GridSearchCV(
    ca, 
    param_distributions=param_dist, 
    n_iter=n_iter_search, 
    scoring=silhouette_score, 
    cv= # can I pass something here to only use a single fold? 
    ) 
search.fit(distance_matrix) 

Answer 1

最近、同様の問題が発生しました。私は分割戦略を定義するカスタム反復可能cv_customを定義し、相互検証パラメータcvの入力です。この繰り返し可能な要素には、各折りたたみのために、そのインデックスによって識別されるサンプルが1つずつ含まれている必要があります。 ([fold1_train_ids], [fold1_test_ids]), ([fold2_train_ids], [fold2_test_ids]), ...私たちのケースでは、我々はあなたがクロスバリデーション（またはグリッドサーチ）を行いません([train_ids], [test_ids])

N = len(distance_matrix) 
cv_custom = [(range(0,N), range(0,N))] 
scores = cross_val_score(clf, X, y, cv=cv_custom)