Question

在sklearn.grid_search.GridSearchCV()上使用linear_model.Ridge执行网格搜索以找到合适的alpha后，我们可以使用clf.grid_scores_获取网格分数。

结果中的数字是什么意思？这些数字如何告诉我们哪个是最好的alhpa？以下是grid_scores_结果的示例：

[({'alpha': 10.0},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 5.0},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 1.0},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 0.5},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 0.1},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 0.05},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 0.01},
  0.00019276539505293697,
  array([  5.83095745e-04,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 0.005},
  0.072428630958501342,
  array([ 0.07335483,  0.07190767,  0.07202339])),
 ({'alpha': 0.001},
  0.37063142154124262,
  array([ 0.37106198,  0.36953822,  0.37129406])),
 ({'alpha': 0.0005},
  0.47042710942522803,
  array([ 0.47063049,  0.4686987 ,  0.47195214])),
 ({'alpha': 0.0001},
  0.61100922361083054,
  array([ 0.61189728,  0.60846248,  0.61266791]))]

Answer 1

通常，它是每组参数的分数列表。

列表中的每个元素都是三元组<parameter dict, average score, list of scores over all folds>。三元组中的第一个元素是用于特定运行的参数字典，在您的情况下，只有一个参数alpha。三元组中的第二个元素是所有折叠的平均分数，即在三元组中作为第三元素的列表。如果您没有指定自己的分数函数，则岭回归的默认值是确定系数R ^ 2。三元组中的最后一项是所有折叠的分数数组（计算平均值）。折叠数由cv参数指定（默认值为3）。

您通常希望找到具有最高平均分数的三元组。在您的情况下，最大值为alpha 0.0001：

({'alpha': 0.0001},
 0.61100922361083054,
 array([ 0.61189728,  0.60846248,  0.61266791]))

Grid_scores_在Scikit-learn的GridSearchCV中意味着什么

1 个答案: