GridSearchCV

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”:

(‘rbf’, 1) (‘rbf’, 10)
(‘linear’, 1) (‘linear
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值