使用GridSearchCV在CV期间内部缩放训练数据以进行超参数优化

时间:2019-02-14 07:42:59

标签: python scikit-learn gridsearchcv

我正在尝试使用GridSearchCV进行SVM超参数优化。假设我正在使用训练集数据和标签(该函数在调用函数之前已经隔离测试)填充了此功能。

var str = // your string here

str = str.replaceAll("<\\/span[^>]*>", "");

我希望GridSearchCV评估每个CV拆分,并使用针对该特定拆分计算出的训练量来缩放数据。当前是否为每组参数调用5次StandardScaler()函数(这是我想要的)?或在第一次调用GridSearchCV时仅一次。

1 个答案:

答案 0 :(得分:0)

简短的回答:是的,对于每组参数,它确实适合Standard Scaler 5次。基本上,整个管道每个分割和每个参数选择都安装一次,然后进行评估。