我一直在努力优化Scikit-Learn中的SVR模型,但一直无法理解如何利用GridSearchCV.
考虑文档中提供的示例代码的略微修改的情况:
from sklearn import svm, grid_search, datasets iris = datasets.load_iris() parameters = {'kernel': ('linear', 'rbf'), 'C':[1.5, 10]} svr = svm.SVC() clf = grid_search.GridSearchCV(svr, parameters) clf.fit(iris.data, iris.target) clf.get_params()
由于我指定最佳C值的搜索仅包含1.5和10,我希望模型返回使用这两个值中的一个.但是,当我查看输出时,情况似乎并非如此:
{'cv': None, 'estimator': SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0, kernel='rbf', max_iter=-1, probability=False, random_state=None, shrinking=True, tol=0.001, verbose=False), 'estimator__C': 1.0, 'estimator__cache_size': 200, 'estimator__class_weight': None, 'estimator__coef0': 0.0, 'estimator__degree': 3, 'estimator__gamma': 0.0, 'estimator__kernel': 'rbf', 'estimator__max_iter': -1, 'estimator__probability': False, 'estimator__random_state': None, 'estimator__shrinking': True, 'estimator__tol': 0.001, 'estimator__verbose': False, 'fit_params': {}, 'iid': True, 'loss_func': None, 'n_jobs': 1, 'param_grid': {'C': [1.5, 10], 'kernel': ('linear', 'rbf')}, 'pre_dispatch': '2*n_jobs', 'refit': True, 'score_func': None, 'scoring': None, 'verbose': 0}
我怀疑我对GridSearchCV的基本误解是如何使用它,以及我可以期待它返回的内容.我原本以为它会根据我的搜索选择返回一个带有优化参数的分类器,但事实并非如此.
任何指导将不胜感激.
非常感谢你.
你不应该get_params
在这里使用.用best_params_
或best_estimator_.params
.get_params
返回给你的构造函数参数.其中一个是估算器,你给它一个带有默认参数的SVC,这就是你在这里看到的.这与在网格搜索中尝试的参数无关.
如果你看一下例子(例如看dev开发文档的底部)你将永远不会看到get_params
在GridSearchCV上使用 - 或者实际上,我认为;)它是定义GridSearchCV如何使用其他估算器的接口.