模型超参数寻优

DJ.马

已于 2024-02-18 22:20:34 修改

阅读量296

点赞数 3

分类专栏： # 评价指标参数和模型参数文章标签：深度学习机器学习人工智能

于 2024-02-18 22:20:16 首次发布

本文链接：https://blog.csdn.net/DJJ5210/article/details/136159869

版权

评价指标参数和模型参数专栏收录该内容

14 篇文章 1 订阅

订阅专栏

参考某篇QSAR的sci论文设置

根据上图，我设置我的XGBoost模型：

# 定义要搜索的超参数的候选值
param_grid = {
    'model__learning_rate': [0.1, 0.01, 0.001],  # 调整学习率
    'model__n_estimators': [50, 100, 200, 300,400,500],  # 调整树的数量
    'model__max_depth': [3,4,5,6,7,8,9],  # 调整树的最大深度
    'model__subsample': [0.6,0.7,0.8, 0.9, 1.0],  # 调整子样本的比例
    'model__colsample_bytree': [0.6,0.7,0.8, 0.9, 1.0]  # 每棵树使用的特征比例
}