【模型选择与优化】交叉验证和网格搜索

什么是交叉验证

 将拿到的训练数据，分为训练和验证集。以下图为例：将数据分成4份，其中，一份作为验证集。然后经过4次测试，每次都更换不同的验证集。即得到4组模型的结果，取平均值作为最终结果

• 为什么需要交叉验证
  交叉验证的目的：为了让从训练得到模型结果更加准确

问题:那么这个只是对于参数得出更好的结果，那么怎么选择或者调优参数呢?

超参数网格搜索

 通常情况下，有很多参数是需要手动指定的(如k-近邻算法中的K值)，这种叫超参数但是手动过程繁杂，所以需要对模型预设几种超参数组合。每组超参数都采用交叉验证来进行评估。最后选出最优参数组合建立模型。

模型选择与调优API
sklearn.model_selection.GridSearchCV(estimator, param_grid=None,cv=None)

• 对估计器的指定参数值进行详尽搜索
• estimator:估计器对象
• param_grid:估计器参数(dict){“n_neighbors”:[1,3,5]}
• cv:指定几折交叉验证
• fit():输入训练数据
• score():准确率
• 结果分析:
  • 最佳参数:best params
  • 最佳结果: best_score_
  • 最佳估计器: best_estimator
  • 交叉验证结果: cv_results

案例

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler


def knn_iris_gscv():
    """
    用KNN算法对鸢尾花进行分类，添加网格搜索和交叉验证
    :return:
    """
    # 1）获取数据
    iris = load_iris()

    # 2）划分数据集
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22)

    # 3）特征工程：标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)

    # 4）KNN算法预估器
    estimator = KNeighborsClassifier()

    # 加入网格搜索与交叉验证
    # 参数准备
    param_dict = {"n_neighbors": [1, 3, 5, 7, 9, 11]}
    estimator = GridSearchCV(estimator, param_grid=param_dict, cv=10)
    estimator.fit(x_train, y_train)

    # 5）模型评估
    # 方法1：直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对真实值和预测值:\n", y_test == y_predict)

    # 方法2：计算准确率
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)

    # 最佳参数：best_params_
    print("最佳参数：\n", estimator.best_params_)
    # 最佳结果：best_score_
    print("最佳结果：\n", estimator.best_score_)
    # 最佳估计器：best_estimator_
    print("最佳估计器:\n", estimator.best_estimator_)
    # 交叉验证结果：cv_results_
    print("交叉验证结果:\n", estimator.cv_results_)

    return None

if __name__ == '__main__':
    knn_iris_gscv()

运行结果