Question

我正在努力理解grid_search类是如何工作的。我想找到可以与max_depth一起使用的最佳RandomForestClassifier参数。我指定了我希望搜索运行的可能选项，并且我希望模块输出“最合适的”max_depth选项。

from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestClassifier
from sklearn import grid_search

iris= load_iris()    
forest_parameters = {'max_depth': [1,2,3,4]}
forest = RandomForestClassifier()
explorer = grid_search.GridSearchCV(forest, forest_parameters)
explorer.fit(iris['data'], iris['target'])

我希望我的explorer网格搜索模块返回最佳max_depth参数，给定一组可能的选项[1,2,3,4]。为什么None的默认值仍在使用？如何使用grid_search查找“最佳拟合”参数？

Out[13]: 
GridSearchCV(cv=None, error_score='raise',
       estimator=RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
       ---> max_depth=None, max_features='auto', max_leaf_nodes=None,
            min_samples_leaf=1, min_samples_split=2,
            min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1,
            oob_score=False, random_state=None, verbose=0,
            warm_start=False),
       fit_params={}, iid=True, loss_func=None, n_jobs=1,
       param_grid={'max_depth': [1, 2, 3, 4]}, pre_dispatch='2*n_jobs',
       refit=True, score_func=None, scoring=None, verbose=0)

Answer 1

这些只是调用网格搜索的参数。要使用explorer.best_params_确定最佳参数，或者您可以使用explorer.best_estimator_找到估算工具，但已启用refit。

了解sklearn grid_search

1 个答案: