Question

我不知道在这里提问是否是正确的问题，但无论如何我都会问。如果不允许，请告诉我。

我使用GridSearchCV调整参数以找到最佳准确度。这就是我所做的：

from sklearn.grid_search import GridSearchCV
parameters = {'min_samples_split':np.arange(2, 80), 'max_depth': np.arange(2,10), 'criterion':['gini', 'entropy']}
clfr = DecisionTreeClassifier()
grid = GridSearchCV(clfr, parameters,scoring='accuracy', cv=8)
grid.fit(X_train,y_train)
print('The parameters combination that would give best accuracy is : ')
print(grid.best_params_)
print('The best accuracy achieved after parameter tuning via grid search is : ', grid.best_score_)

这给了我以下结果：

The parameters combination that would give best accuracy is : 
{'max_depth': 5, 'criterion': 'entropy', 'min_samples_split': 2}
The best accuracy achieved after parameter tuning via grid search is :  0.8147086914995224

现在，我想在调用可视化决策树的函数时使用这些参数

该功能看起来像这样

def visualize_decision_tree(decision_tree, feature, target):
    dot_data = export_graphviz(decision_tree, out_file=None, 
                         feature_names=feature,  
                         class_names=target,  
                         filled=True, rounded=True,  
                         special_characters=True)  
    graph = pydotplus.graph_from_dot_data(dot_data)  
    return Image(graph.create_png())

现在我正在尝试使用GridSearchCV提供的最佳参数以下列方式调用该函数

dtBestScore = DecisionTreeClassifier(parameters = grid.best_params_)
dtBestScore = dtBestScore.fit(X=dfWithTrainFeatures, y= dfWithTestFeature)
visualize_decision_tree(dtBestScore, list(dfCopy.columns.delete(0).values), 'survived')

我在第一行代码

中遇到错误

TypeError: __init__() got an unexpected keyword argument 'parameters'

有什么方法可以让我以某种方式设法使用网格搜索提供的最佳参数并自动使用它？而不是查看结果并手动设置每个参数的值？

Answer 1

试试python kwargs：

DecisionTreeClassifier(**grid.best_params)

有关kwargs的更多信息，请参阅http://pythontips.com/2013/08/04/args-and-kwargs-in-python-explaine d。

使用来自gridsearchcv

1 个答案: