本文共 543 字，大约阅读时间需要 1 分钟。

GridSearchCV

GridSearchCV的主要参数

GridSearchCV(estimator, param_grid, cv=None, scoring=None)

• estimator:

  代表我们想要采用的分类器，如决策树，随机森林，SVM,kNN，朴素贝叶斯等等

• param_grid:

  代表我们想要优化的参数和取值，输入的是字典或者列表形式

• cv：

  交叉验证的折数，默认为None，代表使用三折交叉验证，也可以为整数代表的是交叉验证的折数。

• scoring：

  准确度的评价标准，默认为None，也就是需要使用Score函数，可以设置具体的评价标准，比如accurary，f1等

使用：

我们在进行参数调优时，如果计算出来最优参数会发生变化，我们可以查看他的最优分数，如果最优分数相差不大，那表示我们的参数结果也相差不大，那我们选择其中一个即可

GridSearchCV 它存在的意义就是自动调参，只要把参数输进去，就能给出最优化的结果和参数。但是这个方法适合于小数据集。

GridSearchCV 中的 交叉熵

from sklearn.grid_search import GridSearchCV

GridSearchCV中的cv：表示将训练集划分为几份，用于交叉

转载地址：https://maoli.blog.csdn.net/article/details/91354802 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！