Question

我正在阅读this tutorial，它将PCA和逻辑回归结合在一个管道中，之后应用交叉验证和一组定义的PCA和Logistic回归参数。这是我从例子中理解的，然后我会问我的问题。

我明白了：

执行GridSearchCV时，它首先默认为3倍。因此，它首先计算具有20个组件的PCA，然后转换数据并让它进入Logistic回归进行训练。现在对于逻辑回归C参数的每个值，它将应用3倍交叉验证并查看哪些值，因此最终将进行3 * 3 = 9次逻辑回归训练，因为我们有3个C参数值和3个倍数的每个参数值的交叉验证。

之后它将对PCA的第二个参数（即40）执行相同的操作，因此其他9个训练。然后还对PCA 64的最后一个参数进行了9次培训。因此，我们将总共进行9 * 3 = 27次逻辑回归训练。

我的问题：我对该程序的理解是否正确？

Answer 1

是的，这是完全正确的。您可以通过在详细模式下设置网格搜索过程轻松检查它：

>>> estimator = GridSearchCV(pipe, dict(pca__n_components=n_components,
...                                     logistic__C=Cs),
...                          verbose=1)
>>> estimator.fit(X_digits, y_digits)
Fitting 3 folds for each of 9 candidates, totalling 27 fits
[...snip...]

更一般地说，fit次调用的数量是每个参数值的乘积，乘以 k ，如果您在完整训练集上重新设置最佳参数，则为+1（默认情况下会发生这种情况。）

使用Pipeline和GridSearchCV完成的培训数量

1 个答案: