randomforestclassifier参数_GridSearchCV参数详解

各个参数的详细含义

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’)

1.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：

如estimator=RandomForestClassifier(

min_samples_split=100,

min_samples_leaf=20,

max_depth=8,

max_features='sqrt',

random_state=10),

2.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)}。

3. 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。

4.n_jobs=1

n_jobs: 并行数，int：个数,-1：跟CPU核数一致, 1:默认值

5.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产生训练/测试数据的生成器。

6.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。

7.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

8.return_train_score=’warn’

如果“False”，cv_results_属性将不包括训练分数。

9.refit :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。

10.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。

进行预测的常用方法和属性

grid.fit()：运行网格搜索

grid_scores_：给出不同参数情况下的评价结果

best_params_：描述了已取得最佳结果的参数的组合

best_score_：成员提供优化过程期间观察到的最好的评分

-------------------------------------------------------

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

gsearch1= GridSearchCV(

estimator =RandomForestClassifier(

min_samples_split=100,

min_samples_leaf=20,max_depth=8,

max_features='sqrt',

random_state=10),

param_grid =param_test1,

scoring='roc_auc',

cv=5)

gsearch1.fit(X,y)

gsearch1.grid_scores_,

gsearch1.best_params_,

gsearch1.best_score_

'''

输出结果如下：

([mean: 0.80681, std:0.02236, params: {'n_estimators': 10},

mean: 0.81600, std: 0.03275, params:{'n_estimators': 20},

mean: 0.81818, std: 0.03136, params:{'n_estimators': 30},

mean: 0.81838, std: 0.03118, params:{'n_estimators': 40},

mean: 0.82034, std: 0.03001, params:{'n_estimators': 50},

mean: 0.82113, std: 0.02966, params:{'n_estimators': 60},

mean: 0.81992, std: 0.02836, params:{'n_estimators': 70}],

{'n_estimators': 60},

0.8211334476626017)

'''

如果有transform,使用Pipeline简化系统搭建流程，将transform与分类器串联起来（Pipelineof transforms with a final estimator）

pipeline= Pipeline([("features", combined_features), ("svm", svm)])

param_grid= dict(features__pca__n_components=[1, 2, 3],

features__univ_select__k=[1,2],

svm__C=[0.1, 1, 10])

grid_search= GridSearchCV(pipeline, param_grid=param_grid, verbose=10)

grid_search.fit(X,y)

print(grid_search.best_estimator_)