[英]Choosing top k models using GridSearchCV in scikit-learn
是否有一種簡單/預先存在的方式在scikit-learn中執行網格搜索，然后自動返回前k個最佳表現模型或自動平均其輸出？ 我打算嘗試以這種方式減少過度擬合。 我還沒有找到與此相關的任何內容。
編輯：為了澄清，我知道sklearn的GridSearch，我正在尋找一個選項來執行網格搜索，然后返回最佳k表現最好的模型或平均值，而不是只返回最好的單一模型。
如果您將已安裝的GridSearchCV對象作為grid ，則可以使用grid.cv_results_獲取每個參數的結果。 我通常將其加載為pandas DataFrame。
import pandas as pd
results = pd.DataFrame(grid.cv_results_)
results.sort_values(by='rank_test_score', inplace=True)
然后，您可以從params列獲取每個模型的params 。 例如，我想要第二個最佳參數集：
params_2nd_best = results.loc[1, 'params']
clf_2nd_best = grid.best_estimator_.set_params(**params_2nd_best)
Scikit-learn 在 DecisionTreeClassifier 上使用 GridSearchCV
[英]Scikit-learn using GridSearchCV on DecisionTreeClassifier
scikit-learn 中 LogisticRegression 上的 GridSearchCV
[英]GridSearchCV on LogisticRegression in scikit-learn
隨機森林超參數調整scikit-learn使用GridSearchCV
[英]Random Forest hyperparameter tuning scikit-learn using GridSearchCV
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.