单分类支持向量机 网格搜索

参考,太久远了，应该是这个网站，但是很难搜到，国内搜索比较麻烦
通过网格搜索是为支持向量机找到最佳值参数。
单分类支持向量机一般拿来做异常检测任务，直接使用GridSearchCV不太好写。
可以借用for循环和ParameterGrid实现,目标是AUC

from sklearn.model_selection import ParameterGrid
from sklearn.metrics import roc_auc_score
import numpy as np  
from sklearn import svm

def main(X_train,X_test,y_test):
    # 搜索最佳参数
    grid = {'gamma' : ['scale', 'auto'],
        'nu' : np.linspace(0.01, 0.97, 33),
        'kernel':['rbf','linear', 'poly', 'rbf', 'sigmoid']}
    clf = svm.OneClassSVM()
    maxAuc = 0
    for z in ParameterGrid(grid):
        clf.set_params(**z)
        clf.fit(X_train)
        y_pred_test = clf.predict(X_test)
        # ocsvm输出为 负样本：-1，正样本: 1
        for i in range(y_pred_test.shape[0]):
            if y_pred_test[i]==-1:
                y_pred_test[i]=0
        auc = roc_auc_score(y_test, y_pred_test)
        if maxAuc < auc:
            maxAuc = auc
            bestParams = z
    print('bestParams', bestParams)
    print('maxAuc',maxAuc)

其中clf.set_params(**z)中的**z是关键字参数，本质上是一个 dict。