【机器学习】算法调参

# -*- coding: utf-8 -*-
"""算法调参.ipynb

Automatically generated by Colaboratory.

Original file is located at
    https://colab.research.google.com/drive/1kILamn8ac8vii9GUkiWowl8TIFwl2MCv

### 超参数优化

这是机器学习模型解决问题的最后一个步骤，并不是整个解决方案的最后一步。不会调参就不能说会机器学习。参数分为了两种：

- 影响模型在训练集上的准确度，防止模型过拟合的参数
- 与准确度和过拟合无关的参数

其中调参调的是第一类参数。

这里介绍两类算法：

- 网格搜索
- 随机搜索


#### 网格搜索

通过遍历已定义的参数列表，来评估算法的参数，从而找到最优参数。使用方法是`GridSearchCV`，实现对参数的跟踪，调整和评估，最终找到最优参数。**网格搜索适用于三四个超参数或者更少的情况，否则计算量会非常大，此时要转成随机搜索。**
"""

# 网格搜索代码

from pandas import read_csv
from sklearn.linear_model import Ridge
from sklearn.model_selection import GridSearchCV

# 导入数据
filename = 'http://ftp.ics.uci.edu/pub/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data'
names = ['preg','plas','pres','skin','test','mass',<