[英]sklearn pipeline and grid search
from sklearn.linear_model import LogisticRegression
pipe4 = Pipeline([('ss', StandardScaler()), ('clf', knn)])
grid2 = GridSearchCV(pipe4, {'clf':[ knn, LogisticRegression()]})
grid2.fit(X_train, y_train)
pd.DataFrame(grid2.cv_results_).T
我做了一個knn分類器和logistic回歸模型,想通過pipeline方法看看哪個模型更好。
正如您在上面看到的代碼,我只將 knn 放在 pipe4 中,但在網格搜索中,knn 和邏輯回歸都在工作,我可以檢查結果
這是否意味着我可以在 Gridseacrh 中添加模型,即使我將一個模型放入管道中?
當然。 只要提供給GridSearchCV
的估計器(在您的示例中: pipe4
)支持傳遞給param_grid
的參數(在您的示例中: 'clf'
),您就可以在網格搜索中將任何值傳遞給估計器的參數(在您的示例中: [knn, LogisticRegression()]
)。
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.