GridSearch

$$GridSearch$$

补充：GridSearch用的好，并不是要熟悉GridSearch，而是要熟悉所调模型的参数

• 实例1:XGboost

打***的比较重要，其他的就是辣鸡参数

class sklearn.model_selection.GridSearchCV(
estimator,  ***
param_grid, ***
scoring=None, ***
fit_params=None, 
n_jobs=1, 
iid=True, 
refit=True, 
cv=None, ***
verbose=0, 
pre_dispatch=‘2*n_jobs’, 
error_score=’raise’, 
return_train_score=’warn’
)

---

• estimator

选择使用的分类器，并且传入除需要确定最佳的参数之外的其他参数。每一个分类器都需要一个scoring参数，或者score方法：

estimator=RandomForestClassifier(min_samples_split=100,min_samples_leaf=20,max_depth=8,max_features='sqrt',random_state=10)

---

• param_grid

需要最优化的参数的取值，值为字典或者列表，例如：

param_grid =param_test1，
param_test1 = {'n_estimators':range(10,71,10)}

---

• scoring=None

模型评价标准，默认None,这时需要使用score函数；或者如scoring=‘roc_auc’，根据所选模型不同，评价准则不同。字符串（函数名），或是可调用对象，需要其函数签名形如：scorer(estimator, X, y)；如果是None，则使用estimator的误差估计函数

---

• fit_params=None

---

• n_jobs=1

n_jobs: 并行数，int：个数,-1：跟CPU核数一致, 1:默认值

---

• iid=True

iid:默认True,为True时，默认为各个样本fold概率分布一致，误差估计为所有样本之和，而非各个fold的平均。

---

• refit=True

默认为True,程序将会以交叉验证训练集得到的最佳参数，重新对所有可用的训练集与开发集进行，作为最终用于性能评估的最佳模型参数。即在搜索参数结束后，用最佳参数结果再次fit一遍全部数据集。

---

• cv=None

交叉验证参数，默认None，使用三折交叉验证。指定fold数量，默认为3，也可以是yield训练/测试数据的生成器。

---

• verbose=0, scoring=None

verbose：日志冗长度，int：冗长度，0：不输出训练过程，1：偶尔输出，>1：对每个子模型都输出。

---

• pre_dispatch=‘2*n_jobs’

指定总共分发的并行任务数。当n_jobs大于1时，数据将在每个运行点进行复制，这可能导致OOM，而设置pre_dispatch参数，则可以预先划分总共的job数量，使数据最多被复制pre_dispatch次

---

• error_score=’raise’

---

• return_train_score=’warn’

如果“False”，cv_results_属性将不包括训练分数

---

属性

（1）cv_results_ :

dict of numpy (masked) ndarrays

具有键作为列标题和值作为列的dict，可以导入到DataFrame中。注意，“params”键用于存储所有参数候选项的参数设置列表。

（2）best_estimator_ :

estimator

通过搜索选择的估计器，即在左侧数据上给出最高分数（或指定的最小损失）的估计器。 如果refit = False，则不可用。

（3）best_score_ : float

best_estimator的分数

（4）best_params_ : dict

在保存数据上给出最佳结果的参数设置

（5）best_index_ : int

对应于最佳候选参数设置的索引（cv_results_数组）。
search.cv_results _ [‘params’] [search.best_index_]中的dict给出了最佳模型的参数设置，给出了最高的平均分数（search.best_score_）。

（6）scorer_ : function

Scorer function used on the held out data to choose the best parameters for the model.

（7）n_splits_ : int

The number of cross-validation splits (folds/iterations).

（8）grid_scores_：给出不同参数情况下的评价结果