GridSearchCV搜索器详解

导入搜索器：

from sklearn.model_selection import GridSearchCV

GridSearchCV搜索器用于对估计器的指定参数值进行穷尽搜索。如果我有3个待搜索的参数ABC，它们分别有2、3、4个可能值，则共有2*3*4个可能的ABC参数取值组合。

向搜索器传入参数（我觉得有意义的几个）：

• estimator：估计器，是分类器。
• param_grid：字典，以待搜索的参数名为键，以其可能的取值为值。离散型字符取值、离散型数值取值、连续型整数数值取值写法分别是：

  {'kernel':('linear', 'rbf')}、{'C':[1, 10]}、{'n_estimators': range(10, 101, 10)}

• cv：交叉验证的折数
• scoring：评估交叉验证模型在测试集上的性能的策略。网格搜索的目的是找到令模型表现最好的参数组合，scoring被用来评价什么样的是“最好”的。详见官方指导文档，它规范了最优模型的挑选策略。3.3. Metrics and scoring: quantifying the quality of predictions — scikit-learn 1.1.3 documentation
• n_jobs：并行任务数。主要看自己的计算设备有多少个处理器可以用，-1代表使用全部可用的处理器。

搜索器运行：fit(X,Y)

搜索器的属性：

• cv_results_：是一个字典，记录了所有参数组合的拟合情况。

​

•  best_estimator_：返回最优模型。

• best_score_：返回最优得分。

• best_params_：返回最优参数组合。

• best_index_：返回最优参数组合在cv_results_里的索引