使用sklearn嵌套交叉验证获取最佳参数

Question

我的理解是否正确＆＃34; greed_search.fit（X，Y）＆＃34;在以下代码中没有嵌套CV？这意味着在sklearn中无法使用嵌套的CV获取最佳参数。

    # inner cross_validation
    greed_search = GridSearchCV(estimator=estimator, param_grid=parameters, cv=inner_cv, scoring=optimized_for)
    greed_search.fit(X, optimization_label)
    # Nested CV with parameter optimization
    nested_score = cross_val_score(greed_search, X=X, y=Y, cv=outer_cv)

Answer 1

您是对的：代码中的greed_search.fit(X, optimization_label)按原样执行，而不会嵌套到下一个交叉验证中。

为了回答你的第二个问题，我问你另一个问题：嵌入交叉验证的网格搜索的最佳参数应该是什么？第一次弃牌？最公地？

在外部交叉验证的每个步骤中，内部网格搜索根据当前步骤的训练数据选择最佳参数。因此，参数可以在折叠之间改变。您可以自己进行外部交叉验证，计算每个步骤的最佳参数，但我认为您并不需要它。