GridSearchCV

最新推荐文章于 2024-07-03 21:27:14 发布

nalanyu2000

最新推荐文章于 2024-07-03 21:27:14 发布

阅读量1.7k

点赞数 1

分类专栏：机器学习

本文链接：https://blog.csdn.net/nalanyu2000/article/details/78370057

版权

GridSearchCV 是一个用于寻找最佳参数组合的工具，通过交叉验证在不同的参数设置下评估模型性能。它在 sklearn 中的应用示例展示了如何系统地遍历参数网格，包括核函数和正则化参数 C，以找到最优的 SVM 分类器。最终，GridSearchCV 返回的分类器已训练完成并带有最佳参数，例如 SVC 使用 RBF 核和 C=1000.0。

摘要由CSDN通过智能技术生成

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。它的好处是，只需增加几行代码，就能遍历多种组合。

下面是来自 sklearn 文档的一个示例：

parameters = {
  'kernel':('linear', 'rbf'), 'C':[1, 10]}
svr = svm.SVC()
clf = grid_search.GridSearchCV(svr, parameters)
clf.fit(iris.data, iris.target)

让我们逐行进行说明。

parameters = {‘kernel’:(‘linear’, ‘rbf’), ‘C’:[1, 10]}

参数字典以及他们可取的值。在这种情况下，他们在尝试找到 kernel（可能的选择为 ‘linear’ 和 ‘rbf’ ）和 C（可能的选择为1和10）的最佳组合。

这时，会自动生成一个不同（kernel、C）参数值组成的“网格”: