Scikit-learn - 你可以在没有交叉验证的情况下运行RandomizedSearchCV吗？

Question

我想知道你是否可以在没有交叉验证的情况下运行RandomizedSearchCV（仅使用简单的训练/测试分割？

我想这样做是为了能够对哪些参数有用，以便进行更细粒度的调整，我将使用标准交叉验证。

以下是代码：

pipe = Pipeline(steps=[('gbm', GradientBoostingClassifier())])


param_dist = dict(gbm__max_depth=[3,6,10],
                  gbm__n_estimators=[50,100,500,1000],
                  gbm__min_samples_split=[2,5,8,11],
                  gbm__learning_rate=[0.01,0.05,0.1,0.5,1.0],
                  gbm__max_features=['sqrt', 'log2']
                  )

grid_search = RandomizedSearchCV(pipe, param_distributions=param_dist,cv=???)

grid_search.fit(X_train, y_train)

提前致谢，

Answer 1

您可以使用cv=ShuffleSplit(n_iter=1)获得单个随机分组，或者如果您想要进行特定分割，则使用cv=PredefinedSplit(...)（我认为仅在测试版0.16b1中）。有关选项，请参阅docs。