使用GridSearchCV对CatBoostClassifier分类器调参

最新推荐文章于 2024-07-29 17:41:27 发布

circle_yy

最新推荐文章于 2024-07-29 17:41:27 发布

阅读量7.2k

点赞数 1

分类专栏：数据挖掘

本文链接：https://blog.csdn.net/cy_believ/article/details/101062776

版权

本文介绍了如何使用GridSearchCV对CatBoostClassifier进行参数调优，详细解析了gridSearchCV的重要参数，并探讨了CatBoostClassifier的特点和优势，包括处理类别型特征的能力和防止过拟合的算法。在调参过程中，特别提到了分类特征的处理和one_hot_max_size的影响。

摘要由CSDN通过智能技术生成

实战：

def print_best_score(gsearch,param_test):
     # 输出best score
    print("Best score: %0.3f" % gsearch.best_score_)
    print("Best parameters set:")
    # 输出最佳的分类器到底使用了怎样的参数
    best_parameters = gsearch.best_estimator_.get_params()
    for param_name in sorted(param_test.keys()):
        print("\t%s: %r" % (param_name, best_parameters[param_name]))

params = {
   'depth': [4, 6, 10],
          'learni