Question

我通过网格搜索简历为我的KNN估算器找到了一组最佳超参数：

>>> knn_gridsearch_model.best_params_
{'algorithm': 'auto', 'metric': 'manhattan', 'n_neighbors': 3}

到目前为止，这么好。我想用这些新发现的参数训练我的最终估算器。有没有办法直接提供上面的超参数字典？我试过这个：

>>> new_knn_model = KNeighborsClassifier(knn_gridsearch_model.best_params_)

但是希望的结果new_knn_model只是将整个dict作为模型的第一个参数，并将其余的作为默认值：

>>> knn_model
KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
           metric_params=None, n_jobs=1,
           n_neighbors={'n_neighbors': 3, 'metric': 'manhattan', 'algorithm': 'auto'},
           p=2, weights='uniform')

确实令人失望。

Answer 1

您可以按照以下方式执行此操作：

new_knn_model = KNeighborsClassifier()
new_knn_model.set_params(**knn_gridsearch_model.best_params_)

或者直接解压缩为@taras建议：

new_knn_model = KNeighborsClassifier(**knn_gridsearch_model.best_params_)

顺便说一下，在完成网格搜索之后，网格搜索对象实际上保留了（默认情况下）最佳参数，因此您可以使用该对象本身。或者，您也可以通过

访问具有最佳参数的分类器

gs.best_estimator_

Answer 2

我只想指出使用grid.best_parameters并通过unpacking将其传递给新模型，如：

my_model = KNeighborsClassifier(**grid.best_params_)

很好，而且我个人经常使用它但是，正如您在文档here中看到的那样，如果您的目标是使用这些best_parameters预测某些内容，则可以直接使用grid.predict方法，默认情况下会为您使用这些最佳参数。

示例：

y_pred = grid.predict(X_test)

希望这有用。

如何优雅地将Sklearn的GridseachCV的最佳参数传递给另一个模型？

2 个答案: