【机器学习应用】【Python】模型评估（2）—— 网格搜索 Grid Search

【机器学习应用】【Python】模型评估（2）—— 网格搜索 Grid Search

机器学习算法都有不同的超参数，通过调整超参找到最优的模型，几乎是每一个用机器学习算法解决问题的必经步骤。

要找到最佳超参数，除了for循环以外，还可以使用一个实用的方法——网格搜索(Grid Search)。网格搜索其实就是根据一系列我们想要测试的超参数组合，创建不同模型，并检验它们的准确度。

例如测试从1到10k近邻数的模型准确度：n_neighbors=range(1,10)

如果只调整一个超参数，使用for循环还比较简单，但当我们要调整两个以上的参数时，就会有n x m个组合需要我们去尝试，也就形成了一个网格。

以调整SVM的C值和gamma值为例：

要测试每个网格的组合，我们可以写一个简单的for循环来实现：

# Simple grid search
from sklearn.svm import SVC

best_score = 0

for gamma in [0.001, 0.01, 0.1, 1, 10, 100]:
    for C in [0.001