Python scikit学习（使用grid_search.GridSearchCV）

Question

我正在使用网格搜索来适合机器学习模型参数。

我输入了以下代码（从sklearn文档页面进行了修改： http ://scikit-learn.org/stable/modules/generated/sklearn.grid_search.GridSearchCV.html）

from sklearn import svm, grid_search, datasets, cross_validation

# getting data
iris = datasets.load_iris()

# grid of parameters
parameters = {'kernel':('linear', 'poly'), 'C':[1, 10]}

# predictive model (support vector machine)
svr = svm.SVC()

# cross validation procedure
mycv = cross_validation.StratifiedKFold(iris.target, n_folds = 2)

# grid search engine
clf = grid_search.GridSearchCV(svr, parameters, mycv)

# fitting engine
clf.fit(iris.data, iris.target)

但是，当我查看clf.estimator ，得到以下信息：

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)

我如何获得“ rbf”内核？ 我没有在参数中将其指定为选项。

这是怎么回事？

谢谢！

PS我正在使用sklearn的'0.15-git'版本。

附录 ：我注意到clf.best_estimator_提供了正确的输出。 那么clf.estimator在做什么？

Answer 1

clf.estimator只是作为第一个参数传递给GridSearchCV对象的estimator的副本。 任何未在网格上搜索的参数均由此估算器确定。 由于您没有为SVC对象svr显式设置任何参数，因此已为它提供了所有默认值。 因此，由于clf.estimator只是svr的副本，因此打印clf.estimator的值将返回带有默认参数的SVC对象。 您是不是写了，例如，

svr = svm.SVC(C=4.3)

那么clf.estimator的值应为：

SVC(C=4.3, 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)

用户访问clf.estimator并没有真正的价值，但是无论如何它也不是一个公共属性（因为它不以“ _”结尾）。