Question

我正在尝试使用GridSearchCV和以下代码找到NN回归模型的最佳参数：

param_grid = dict(optimizer=optimizer, epochs=epochs, batch_size=batches, init=init
grid = GridSearchCV(estimator=model, param_grid=param_grid, scoring='neg_mean_squared_error')
grid_result = grid.fit(input_train, target_train)

pred = grid.predict(input_test)

据我了解，grid.predict(input_test)使用最佳参数来预测给定的输入集。有没有办法使用测试集为每组参数评估GridSearchCV？

实际上，我的测试集包含一些特殊记录，我想测试模型的一般性和准确性。谢谢。

Answer 1

您可以使用自定义迭代器替换GridSearchCV的标准3倍cv参数，从而生成连锁列车和测试数据帧的列车和测试索引。结果，在进行1倍交叉验证时，您可以在input_train个对象上训练模型并在input_test个对象上测试拟合模型：

def modified_cv(input_train_len, input_test_len):
    yield (np.array(range(input_train_len)), 
           np.array(range(input_train_len, input_train_len + input_test_len)))

input_train_len = len(input_train)
input_test_len = len(input_test)
data = np.concatenate((input_train, input_test), axis=0)
target = np.concatenate((target_train, target_test), axis=0)
grid = GridSearchCV(estimator=model, 
                    param_grid=param_grid,
                    cv=modified_cv(input_train_len, input_test_len), 
                    scoring='neg_mean_squared_error')
grid_result = grid.fit(data, target)

通过访问grid_result.cv_results_字典，您可以在测试集上看到所有指定模型参数网格的指标值。

如何使用GridSearchCV获取每组参数的预测？

1 个答案: