Question

我正在使用GridSearchCV来确定最佳参数，但是我不确定如何实际使用最佳参数，也就是说，在下面的代码的第三行中，更改第一行后我的结果不会改变行（例如，如果我更改参数空间，或以精度等代替召回）

cv = GridSearchCV(pipeline, parameters, cv=len(range(2014,2019)), scoring='recall', refit=True)
cv.fit(X,y)
y_pred = cross_val_predict(cv, X, y, cv=len(range(2014,2019)))

有没有一种方法可以确保我每次致电GridSearchCV时，实际上也会使用cv.predict中标识的最佳参数？

Answer 1

除非您设置GridSearchCV，否则

refit=False在默认情况下已经可以满足您的要求。如GridSearchCV documentation所述：

refit：布尔值或字符串，默认为True
  使用在整个数据集中找到的最佳参数重新拟合估算器。

对于多指标评估，这需要是一个字符串，表示计分器用于找到最佳参数，以最后重新拟合估计器。

在best_estimator_属性上提供了经过调整的估算器，并且直接在此predict实例上使用GridSearchCV允许使用。

同样对于多指标评估，属性best_index_，best_score_和best_params_仅在设置了重新设置且将通过该特定得分手确定的情况下才可用。

请参阅评分参数，以了解有关多指标评估的更多信息。

因此，每当您致电cv.predict时，最好的估算器（已进行过调整）就可以做出预测。

在您的情况下，结果是相同的，可能是因为最佳估算器在所有指标上得分最高。

Answer 2

从文档here中说：

predict(x)用最合适的参数在估算器上调用预测。

本质上，在拟合之后，调用预测使用最佳估计量。如果要仔细检查参数，可以在拟合后看到最佳参数存储在类属性best_params_中。

至于为什么更改第一行后结果没有变化，我猜想它恰好是相同的最佳参数：或者有多个最佳参数。

如何使用最佳参数识别GridSearchCV

2 个答案: