sklearn.model_selection.GridSearchCV 中文

                                                                 网格搜索最佳参数GridSearchCV

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=True)

对分类器的指定参数值进行详尽搜索

重要的成员是fit和predict

分类器的参数通过参数网格上的交叉验证网格搜索进行优化

参数:

1.estimator : estimator object.
scikit-learn分类器接口，估计者需要提供分数函数。如estimator = GradientBoostingClassifier（参数设置）

2.param_grid : dict or list of dictionaries
具有参数名称（字符串）作为键的字典和要实数值的参数设置的列表，或者这些字典的列表，在这种情况下，会探索列表中每个字典跨越的网格。 这样可以根据任何参数设置的顺序进行最优参数的搜索。

如param_test = {'n_estimators':range(20,81,10)}

param_dist = {
  "max_depth": [3, None],
              "max_features": [1,5,7,11],
              "min_samples_split": [1,5,7,11],
              "min_samples_leaf": [1,5,7,11],
              "bootstrap": [True, False],
              "criterion": ["gini", "entropy"]}

3.scoring : string, callable or None, default=None

字符串（见模型评估文档）或具有签名记分器（estimator，X，y）的可调用对象/函数。 如果没有，则使用估计器的分数法

如scoring='roc_auc'

4.fit_params : dict, optional