Question

我一直在努力优化Scikit-Learn中的SVR模型，但一直无法理解如何利用GridSearchCV。

考虑documentation中提供的示例代码略有修改的情况：

from sklearn import svm, grid_search, datasets
iris = datasets.load_iris()
parameters = {'kernel': ('linear', 'rbf'), 'C':[1.5, 10]}
svr = svm.SVC()
clf = grid_search.GridSearchCV(svr, parameters)
clf.fit(iris.data, iris.target)

clf.get_params()

由于我指定最佳C值的搜索仅包含1.5和10，我希望模型返回使用这两个值中的一个。但是，当我查看输出时，情况似乎并非如此：

{'cv': None,
 'estimator': SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
   kernel='rbf', max_iter=-1, probability=False, random_state=None,
   shrinking=True, tol=0.001, verbose=False),
 'estimator__C': 1.0,
 'estimator__cache_size': 200,
 'estimator__class_weight': None,
 'estimator__coef0': 0.0,
 'estimator__degree': 3,
 'estimator__gamma': 0.0,
 'estimator__kernel': 'rbf',
 'estimator__max_iter': -1,
 'estimator__probability': False,
 'estimator__random_state': None,
 'estimator__shrinking': True,
 'estimator__tol': 0.001,
 'estimator__verbose': False,
 'fit_params': {},
 'iid': True,
 'loss_func': None,
 'n_jobs': 1,
 'param_grid': {'C': [1.5, 10], 'kernel': ('linear', 'rbf')},
 'pre_dispatch': '2*n_jobs',
 'refit': True,
 'score_func': None,
 'scoring': None,
 'verbose': 0}

我怀疑我对GridSearchCV的基本误解是如何使用它，以及我可以期待它返回的内容。我原本以为它会根据我的搜索选择返回一个带有优化参数的分类器，但事实并非如此。

非常感谢任何指导。

非常感谢。

Answer 1

您不应在此使用get_params。使用best_params_或best_estimator_.params。 get_params会返回给出的构造函数参数。其中一个是估算器，你给它一个带有默认参数的SVC，这就是你在这里看到的。这与在网格搜索中尝试的参数无关。

如果你看一下例子（look at the bottom of the dev documentation for example），你将永远不会在GridSearchCV上看到get_params - 或者实际上，我认为;）它是定义GridSearchCV如何使用其他估算器的接口。

Sklearn和GridSearchCV - 它是否有望返回最佳参数？

1 个答案: