在机器学习中，参数调优是关键步骤之一。sklearn库的GridSearchCV提供了网格搜索方法，它能系统地遍历多个参数组合，通过交叉验证找到最优参数。该方法涉及的关键参数包括：estimator（如RandomForestClassifier），parameters（例如'n_estimators'和'criterion'的取值），scoring（评估标准，如'score'或'roc_auc'），以及cv（默认的三折交叉验证）。
在我们日常的进行超参数优化工作时，可以手动去试，也可以使用随机搜索、批量随机搜索和网格搜索等方法调到好的参数，关于网格搜索，sklearn中GridSearchCV用于系统地遍历多种参数组合，通过交叉验证确定最佳效果参数。
一、参数简介
①estimator:所使用的分类器，如estimator=RandomForestClassifier(njobs=-1)，n_jobs为并行数,int：个数，-1表示跟CPU核数一致,默认值为1。
②parameters:需要最优化的参数取值，一般为字典或者列表，如
941
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
