GridSearchCV 和 Cross_Val_Score 的區別

Question

我有一個二進制時間序列分類問題。

由於它是一個時間序列，我不能只train_test_split我的數據。 所以，我從這個鏈接中使用了 object tscv = TimeSeriesSplit() ，得到了這樣的結果：

我可以從GridSearchCV和cross_val_score看到我可以將拆分策略cv = tscv作為參數傳遞。 但我的問題是， GridSearchCV和coss_val_score有什么區別？ 使用其中之一就足以訓練/測試我的 model？ 還是我應該兩者都用？ 首先是GridSearchCV以獲得最佳超參數，然后是cross_val_score ？

Answer 1

網格搜索是一種通過使用不同的超參數設置（您預先定義的值）來評估模型的方法。 您的GridSearch可以使用交叉驗證（因此存在GridSearchCV ），以便為 model 的不同參數設置提供最終分數。 在訓練和評估之后（網格搜索完成后），您可以查看 model 表現最佳的參數（通過查看屬性best_params_dict ）。因此，網格搜索基本上是一種蠻力策略您可以在其中使用所有可能的超參數組合運行 model。 使用coss_val_score您不執行網格搜索（您不使用上面提到的所有預定義參數的策略），但您在交叉驗證后獲得分數。 我希望現在很清楚。