gridsearchcv参数_使用python进行模型参数调优

from 

1. 数据集分割

iris 

2.参数调优

网格搜索+交叉验证

param_grid 

我们发现上述代码中，grid_search.best_score_和scores.mean()的输出值不同，这是因为二者通过交叉验证划分训练集和验证集的方式不同。因此，可以通过Kfold()来限定分割方式（如下所示），这样交叉验证的得分结果相同。

from sklearn.model_selection import KFold
kfold = KFold(n_splits=5,random_state=0)
grid_search = GridSearchCV(SVC(), param_grid, cv=kfold) 
grid_search.fit(X_trainval, y_trainval)
print('训练验证集上交叉验证的得分:', grid_search.best_score_)
scores = cross_val_score(grid_search, X_trainval, y_trainval, cv=kfold)
print('训练验证集上交叉验证的得分:',scores.mean())

for循环

best_score