机器学习调参——网格搜索调参,随机搜索调参,贝叶斯调参

本文介绍了机器学习中的三种调参技术:网格搜索调参,随机搜索调参和贝叶斯调参。通过导入数据集,设定交叉验证分数和模型,然后针对候选参数列表分别探讨了每种调参方法的应用。
摘要由CSDN通过智能技术生成
from sklearn.datasets import load_boston
from sklearn.metrics import mean_squared_error
from lightgbm import LGBMRegressor
import numpy as np

导入数据集

boston = load_boston()
X,y = boston.data,boston.target
print(X.shape)
print(y.shape)

定义交叉验证分数

from sklearn.model_selection import KFold, cross_val_score, GridSearchCV

def mse_cv(model=None,X_train=None,y_train=None):
    kf=KFold(n_splits=10,shuffle=True,random_state=42).get_n_splits(X_train)
    return -cross_val_score(model,X_train
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