GridSearchCV调参（一） - 入门（KNN，KFold，StratifiedKFold）

前面看了一些基础的机器学习算法，今晚用到sklearn了，才发现原来还可以自动去调参数。。。记录一下

1. GridSearchCV

网格搜索交叉验证，关键在于交叉验证，意思就是把训练数据集拆分成训练集和验证集，拆分成不同组合来验证对于某个分类器取什么参数值最好

方法参数：
class sklearn.model_selection.GridSearchCV(estimator, param_grid, scoring=None, fit_params=None, n_jobs=None, iid=’warn’, refit=True, cv=’warn’, verbose=0, pre_dispatch=‘2*n_jobs’, error_score=’raise-deprecating’, return_train_score=’warn’)[source]

estimator：你想用的分类器，比如KNN
param_grid：要预测的参数列表，比如对KNN来说最重要的是n_neighbors
scoring :准确度评价标准，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。
cv :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训练/测试数据的生成器，比如KFold和StratifiedKFold
refi