模型的选择与评优

1、交叉验证：为了让被评估的模型更加准确可信

交叉验证：将拿到的数据，分为训练和验证集。以下图为例：将数据分
成5份，其中一份作为验证集。然后经过5次(组)的测试，每次都更换不同
的验证集。即得到5组模型的结果，取平均值作为最终结果。又称5折交叉
验证。

2、网格搜索

很多情况下，有很多参数是需要手动指定的（比如k近邻算法的k值），也就是超参数，不过手动输入很麻烦。每组超参数都采用交叉验证来进行评估，选择最优的结果。

API：
sklearn.model_selection.GridSearchCV

GridSearchCV(estimator, param_grid=None,cv=None)

• estimator：估计器
• 估计器参数，param_grid = {“n_neighbors”:[1,3,5]}
• cv：几折交叉验证
• fit：训练
• score：准确率
  结果分析：
• best_score_：最好的结果
• best_estimator_：最好的参数模型
• cv_results_：交叉验证的结果