在Python中使用GridSearchCV很便捷
发布时间
阅读量：
阅读量
最近观看了机器学习的教学视频后发现, 老师特别强调了一个非常重要的函数, 即GridSearchCV(). 在Python编程中, 我们经常需要用到一些参数配置, 比如随机森林模型中的min_samples_split=？、n_estimators=？等参数. 尤其是在缺乏先验知识的情况下, 确定这些参数的具体取值往往具有挑战性. 因此, GridSearchCV()这一工具就显得尤为重要.
#简单的例子来看看GridSearchCV函数的用处
from sklearn.grid_search import GridSearchCV
tree_param_grid = { 'min_samples_split': list((3,6,9)),'n_estimators':list((10,50,100))}
grid = GridSearchCV(RandomForestRegressor(),param_grid=tree_param_grid, cv=5)
grid.fit(data_train, target_train)
grid.grid_scores_, grid.best_params_, grid.best_score_输出结果：
在sklearn库中导入Gr
全部评论 (0)
还没有任何评论哟~