标签： python python-3.x machine-learning scikit-learn classification
我想做超参数调整，为此，我想使用RandomizedSearchCV或GridSearchCV。我试图为随机森林分类器运行这两种方法。
我发现网格搜索将搜索我的参数网格的所有可能组合，但随机搜索仅搜索10种可能的组合。假设它采用任意10个随机参数集，它可能会给我错误的最佳参数。另一方面，如果我使用GridSearch方法，那么它给了我大的运行时间。现在，我对这两种方法感到困惑。我应该使用哪个？或者我可以做一些在可接受的运行时间内给出最佳参数的更改吗？
答案 0 :(得分：0)
超参数调整方案取决于您的应用程序。至于网格搜索和随机搜索：
当您拥有少量超参数时，并且每个超参数对验证分数的影响程度大致相同时，网格搜索效果很好
当影响程度不平衡时，随机搜索是一个更好的选择，随着参数数量的增加更可能发生
来源：关于hparam调整的deeplearning.ai课程here
其他调整方案包括