Sklearn调参之sklearn.model_selection.GridSearchCV

最新推荐文章于 2024-06-20 16:12:01 发布

ustbclearwang

最新推荐文章于 2024-06-20 16:12:01 发布

阅读量6.5k

点赞数 1

本文链接：https://blog.csdn.net/ustbclearwang/article/details/81484778

版权

Sklearn的GridSearchCV是一个用于估计器参数穷举搜索的工具，通过交叉验证来优化模型性能。它可以应用于任何实现了Scikit-Learn接口的估计器。参数包括estimator（估计器对象）、param_grid（参数网格）、scoring（评分函数）、n_jobs（并行运行的核心数）等。GridSearchCV可以帮助找到最佳的模型参数组合，提高模型预测准确性。

摘要由CSDN通过智能技术生成

对估计器的指定参数值穷举搜索。寻找合适的参数，GRIDSCACHCV实现了一个“拟合”和“得分”方法。在所使用的估计器中实现了“预测”、“预测函数”、“决策函数”、“变换”和“逆变换”。应用这些方法的估计器的参数通过参数网格上的交叉验证网格搜索来优化。

用法

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’)