Question

我将GridSearchCV的参数设置为：

parameters = {'kernel':['rbf'], 'C':[1, 5, 0.5], 'gamma':[1, 5, 0.5]}
grid = GridSearchCV(SVC(), parameters)
grid.fit(dataset, targets)

然后grid.best_params_或grid.best_estimator_始终将列表中的第一个参数返回为最佳（即1和1）。如果我改变参数的顺序并将5放在列表顶部的'C'，那么最好的参数是'C'= 5和'gamma'= 1。

我做错了什么？

Answer 1

你必须将评分参数更改为（roc_auc），她就是一个例子：

    grid = GridSearchCV(model, param_grid = p, scoring='roc_auc')
    grid.fit(self.train_data, self.train_labels)
    print('\nThe best hyper-parameter for -- {} is {}, the corresponding mean accuracy through 10 Fold test is {} \n'\
        .format(name, grid.best_params_, grid.best_score_))
    model = grid.best_estimator_
    train_pred = model.predict(self.train_data)
    print('{} train accuracy = {}\n'.format(name,(train_pred == self.train_labels).mean()))

scikit学习GridSearchCV总是返回最好的第一个参数

1 个答案: