GridSearchCV
2017-10-26 12:10
295 查看
model_selection
GridSearchCV是在估计器下对指定参数进行穷举,并计算对应结果
重要的成分是训练与预测(fit and predict)
参数:
estimator(估计器):提供估计器类别,任意估计器需要有得分函数,或者评价得分函数必须被传递(scoring must be passed);
param_grid(参数网络):字典或是字典列,键对应参数名称,值对应参数值或范围;
scoring(衡量):单个字符串(定义好的评估标准)或者一个可调用对象来对测试集上的预测进行评估;
n_jobs:并行的工作数
pre_dispacth:在并行计算的时候,控制分派计算的数量;当更多的工作量被分派给CPU的时候,减小这个数量可以避免内存的急剧损耗;这个参数可以是空的,当任务比较轻量级的时候,或者是整型,表示被派出计算的准确数量,也可以是字符串,一般是关于工作数的函数表达式;
iid:如果是True,在各个参数下(across the folds)数据被认为是同分布的,最小化的损失是每个样本的总损失,而不是各个参数下数据的平均损失;
cv:决定交叉验证的分割策略,默认3折交叉验证,或者设置成整型代表K折,StratifiedKFold,其他类型的应用KFold;
refit:用发现的最好的参数训练估计器
GridSearchCV是在估计器下对指定参数进行穷举,并计算对应结果
重要的成分是训练与预测(fit and predict)
参数:
estimator(估计器):提供估计器类别,任意估计器需要有得分函数,或者评价得分函数必须被传递(scoring must be passed);
param_grid(参数网络):字典或是字典列,键对应参数名称,值对应参数值或范围;
scoring(衡量):单个字符串(定义好的评估标准)或者一个可调用对象来对测试集上的预测进行评估;
n_jobs:并行的工作数
pre_dispacth:在并行计算的时候,控制分派计算的数量;当更多的工作量被分派给CPU的时候,减小这个数量可以避免内存的急剧损耗;这个参数可以是空的,当任务比较轻量级的时候,或者是整型,表示被派出计算的准确数量,也可以是字符串,一般是关于工作数的函数表达式;
iid:如果是True,在各个参数下(across the folds)数据被认为是同分布的,最小化的损失是每个样本的总损失,而不是各个参数下数据的平均损失;
cv:决定交叉验证的分割策略,默认3折交叉验证,或者设置成整型代表K折,StratifiedKFold,其他类型的应用KFold;
refit:用发现的最好的参数训练估计器
相关文章推荐
- 自动调参(GridSearchCV)及数据降维(PCA)在人脸识别中的应用
- Sklearn-GridSearchCV网格搜索
- RandomizedSearchCV和GridSearchCV,在调用fit方法的时候产生'list' object has no attribute 'values'错误之处理方法
- sklearn学习——SVM例程总结(PCA+Pipline+cv+GridSearch)
- sklearn GridSearchCV简介
- sklearn.model_selection.GridSearchCV 中文
- GridSearchCV scoring 参考
- python 使用GridSearchCV 报错 ValueError: not enough values to unpack (expected 2, got 1)
- scikit-learn一般实例之四:使用管道和GridSearchCV选择降维
- Python超参数自动搜索模块GridSearchCV上手
- 关于RandomizedSearchCV 和GridSearchCV(区别:参数个数的选择方式)
- Python进行参数调优GridSearchCV和RandomizedSearchCV
- pipeline结合GridSearchCV的一点小介绍
- Sklearn-GridSearchCV网格搜索
- gridSearchCV(网格搜索)的参数、方法及示例
- python gridsearchcv 里的评价准则
- 笔记-GridSearchCV
- train_test_split,GridSearchCV,cross_val_score
- Sklearn GridSearchCV 参数优化
- 在sklearn.model_selection.GridSearchCV中使用自定义验证集进行模型调参