参数优化循环中如何将模型警告信息存入DataFrame？

可以通过Python的warnings模块捕获训练过程中的目标警告，同时收集每次迭代的参数、Gini值及警告信息，最终转换为你需要的DataFrame格式。具体实现代码如下：

import pandas as pd
import warnings
from your_module import modelABC  # 替换为modelABC实际所在的模块路径
from sklearn.exceptions import ConvergenceWarning  # 若modelABC属于其他库，请替换为对应库的ConvergenceWarning类

# 初始化结果存储列表
results = []

for i in range(10):
    order = i + 1
    gini_value = None
    note = ""
    
    # 捕获迭代过程中的警告
    with warnings.catch_warnings(record=True) as w:
        warnings.simplefilter("always")  # 确保所有警告都被捕获记录
        # 训练模型并获取Gini值
        model = modelABC(order=order).fit()
        gini_value = model.gini
        
        # 检查是否出现目标收敛警告
        if w:
            for warning in w:
                if issubclass(warning.category, ConvergenceWarning):
                    note = "ConvergenceWarning"
                    break
    
    # 转换Gini值为百分比格式，存入结果列表
    gini_percent = f"{int(gini_value * 100)}%"
    results.append({"i": order, "Gini": gini_percent, "Note": note})

# 转换为目标DataFrame
result_df = pd.DataFrame(results)
print(result_df)

关键细节说明： #

• warnings.catch_warnings(record=True)上下文管理器：负责捕获并临时存储当前迭代产生的所有警告。
• warnings.simplefilter("always")：关闭默认的警告过滤规则，确保ConvergenceWarning这类可能被默认忽略的警告也能被捕获。
• 警告类型判断：通过匹配警告的类别，精确记录目标收敛警告，避免误记其他无关警告。

内容的提问来源于stack exchange，提问作者TranCanNam