Question

所以我有以下代码 -

params = {'n_estimators': [1000, 2000], 'max_depth': [10, 20], 'min_samples_split': [2, 3],
          'learning_rate': [0.1, 0.05, 0.01], 'loss': ('ls', 'huber', 'lad', 'quantile'), 'verbose': [1]}
gbr = ensemble.GradientBoostingRegressor()
clf = GridSearchCV(gbr, params)

而且，虽然我不认为我已经考虑了很多，但它仍然需要永远确定最佳参数。看了几个小时后，我看到了很棒的情况（verbose:[1]）并希望阻止它继续下去。我不想在早上回到这里，并希望它已经完成。我想现在完成它而不会失去在这个过程中调整的时间。

有没有一种安全的方法可以停止调整并仍能获得最佳效果？

Answer 1

如果这个问题可以解决，then the answer appears to be no. 我知道几个星期前我这样做的时候，我也很不耐烦了。我只是通过日志按c + +浏览我希望它可以实现的数字。从95,94,93开始......等。

Answer 2

我使用以下方法为DNN获取最佳超参数（您可以自己使用）：

for参数＃1的循环
参数＃2的内部循环
...
在你的内部适合您的模型并保存/打印结果，图片等。

当然，如果你按照你的图片运行代码，就不会删除日志。

但正如我在这里看到的，你内部没有太多可能的参数组合。那么为什么它会永远运行：

数据非常大（采取子样本）
cv-s的数量非常大（少于10个）
减少估算人数。 1000-2000太多了
采取小型max_features
减少max_depth。我相信10-20太多了。对于大多数情况，它应该是<10（例如尝试3-5）
使用XGBoost（它的速度要快得多）。一般来说，XGBoost和GBR是相同的（并且两者都不会过度适应越来越多的估算器）但是XGBoost有一些附加功能可以帮助实现这一目标。
在某些服务器上运行或升级您的PC：）

我能否以某种方式键入中断GridSearchCV并且仍然拥有收集到的最佳参数？

2 个答案: