模型的选择与调优

1. 交叉验证

目的： 为了让被评估的模型更加准确可靠

过程：

训练： 训练集 + 验证集

1,2,3 4

1,2,4 3

2. 超参数网格搜索：

调整参数会影响到模型的准确度, 为了得到最优的模型, 可以提前预设几组参数

api:

from sklearn.model_selection import GridSearchCV

初始化方法：

estimator: 估计器

param_grid:

{

"n_neighbors": [1, 3, 5, 7, 9]

}

cv: 交叉验证

方法：

fit(): 拟合数据

属性：

bestscore:在交叉验证中验证的最好结果_

bestestimator：最好的参数模型

cvresults:每次交叉验证后的验证集准确率结果和训练集准确率结果