Python实现SVM网格搜索时出现NoneType对象不可迭代错误如何解决

• 变量名不匹配：函数内部定义的标准差存储列表为stds，但返回时错误写为未定义的stddevs，导致函数返回None，多变量解包时触发NoneType不可迭代的报错
• 参数遍历逻辑错误：直接遍历字典类型的parameters只会获取到kernel、C这类参数字段名，没有遍历所有参数组合
• 调优逻辑完全未生效：硬编码了kernel='rbf'，没有传入遍历得到的参数，也没有用到传入的C参数值
• 未使用交叉验证：传入的cv参数没有被调用，每次循环重新切分训练测试集的逻辑不符合交叉验证的要求
• 无结果存储逻辑：循环中没有向means、stds、params列表中追加任何结果，返回的始终是空列表
• 缩进格式错误：Python要求函数体、循环体需要缩进，现有代码缩进不符合语法规范，会直接运行报错

直接使用你已经导入的GridSearchCV实现网格搜索交叉验证，无需手动实现交叉验证逻辑，代码更规范不易出错：

修复后的函数代码 #

from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV

def svm_grid_search(parameters, cv, X, y):
    means = []
    stds = []
    params = []
    
    # 初始化SVM基础模型
    svm = SVC(gamma='auto', probability=True)
    # 初始化网格搜索实例，评估指标采用AUC
    grid = GridSearchCV(estimator=svm, param_grid=parameters, cv=cv, scoring='roc_auc', n_jobs=-1)
    grid.fit(X, y.values.ravel())
    
    # 提取所有参数组合的交叉验证结果
    for mean, std, param in zip(grid.cv_results_['mean_test_score'],
                                grid.cv_results_['std_test_score'],
                                grid.cv_results_['params']):
        means.append(mean)
        stds.append(std)
        params.append(param)
    
    return means, stds, params

调用示例 #

parameters = {'kernel':['linear','poly','rbf'],'C':[0.2,0.5,1.0]}
# 传入你的特征数据集X和标签y
means, stddevs, params = svm_grid_search(parameters, 10, X, y)

print('Mean AUC (+/- standard deviation), for parameters')
for mean, std, param in zip(means, stddevs, params):
    print("%0.3f (+/- %0.03f) for %r" % (mean, std, param))

内容的提问来源于stack exchange，提问作者kelroy james