Model Selection 估计器
模型选择 (Model Selction) 在机器学习非常重要,它主要用于评估模型表现,常见的 Model Selection 估计器有以下几个:
-
cross_validate
: 评估交叉验证的表现。 -
learning_curve
: 建立学习曲线。 -
GridSearchCV
: 用交叉验证从网格中一组超参数搜索出最佳超参数。 -
RandomizedSearchCV
: 用交叉验证从一组随机超参数搜索出最佳超参数。
交叉验证
K-折交叉验证集 (K-fold cross validation set),就是把整个数据集平均但随机分成 K 份,每份大概包含 m/K 个数据 (m 是总数据数)。
在这 K 份,每次选 1 份作为训练集在拟合参数 w λ ,把参数用在剩下 K-1 份验证集上计算误差。由于遍历了这 K 份数据,因此该操作称为交叉验证。
两个调参的估计器,网格追踪和随机追踪。
网格追踪:参数 1 在 [1, 10, 100, 1000] 中取值,参数 2 在 [0.01, 0.1, 1 10] 中取值,注意并不是等间距取值。模型在所有 16 个组合跑,选取一对对应最小交叉验证误差的参数。
随机追踪:根据指定分布随机搜索,可以选择独立于参数个数,比如 log(参数 1) 服从 0 到 3 的均匀分布, log(参数 2) 服从 -2 到 1 的均匀分布。此外,会设定一个预算参数。
from time import time
from scipy.stats import randint
from sklearn.datasets import load_digits
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import RandomizedSearchCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
digits = load_digits()
X,y=digits.data,digits.target
RFC=RandomForestClassifier(n_estimators=20)
#Randomized Search
#创建一个含 20 个决策树的随机森林模型,那么它有超参数最大树深、最多特征数、最小可分裂样本数、和分裂标准。
param_dist={"max_depth":[3,5],"max_features":randint(1,11),"min_samples_split":randint(2,11),"criterion":["gini","entropy"]}
#设定了个迭代组数 n_iter_search=20
n_iter_search=20
random_search=RandomizedSearchCV(RFC,param_distributions=param_dist,n_iter=n_iter_search,cv=5)
start=time()
random_search.fit(X,y)
print(random_search.best_params_)
print(random_search.best_score_)
#Grid Search
param_grid={"max_depth":[3,5],"max_features":[1,3,10],"min_samples_split":[2,3,10],"criterion":["gini","entropy"]}
grid_search=GridSearchCV(RFC,param_grid=param_grid,cv=5)
grid_search.fit(X,y)
print(grid_search.best_params_)
print(grid_search.best_score_)
#随机追踪比网格追踪用更短时间内找到一组超参数,获得了更高的得分
测试结果:
F:\开发工具\pythonProject\tools\venv\Scripts\python.exe F:/开发工具/pythonProject/tools/python的sklear学习/sklearn06.py
{'criterion': 'entropy', 'max_depth': 5, 'max_features': 10, 'min_samples_split': 3}
0.888706282884556
{'criterion': 'entropy', 'max_depth': 5, 'max_features': 10, 'min_samples_split': 2}
0.8981770349736923
Process finished with exit code 0