1.7 KNN算法学习——网格搜索超参数

本文介绍了KNN算法中的网格搜索参数调优方法,通过sklearn的GridSearchCV进行最佳参数查找。内容包括定义参数、执行网格搜索、查看最佳成绩和获取最佳分类器。此外,还提到了n_jobs参数用于并行处理,设置为-1可利用所有核心,并可通过verbose参数控制输出的详细程度。
摘要由CSDN通过智能技术生成

网格搜索参数:

定义参数

param_grid=[
    {
        'weights':['uniform'],
        'n_neighbors':[i for i in range(1,11)]
    },
    {
        'weights':['distance'],
        'n_neighbors':[i for i in range(1,11)],
        'p':[i for i in range(1,6)]
    }
]

使用sklearn中的GridSearchCV方法进行网格搜索最佳参数


查看搜索结果和最佳成绩

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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