GridSearchCV无法在colab中获取mean_test_score

Question

我在合作实验室中使用randomForestClassifier运行了GridSearchCV。 但是，myGridSearchCV不返回mean_test_score并显示它不存在。 当我尝试检查clf.cv 结果时，没有mean_test_score。这在jupyter笔记本中而不是在colab中有效，而我最近遇到了这个问题。

[Parallel(n_jobs=1)]: Done 120 out of 120 | elapsed: 25.3min finished
---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-128-1d8f6c95affb> in <module>()
      7 clf.fit(X_tr, y_train)
      8 
----> 9 train_auc= clf.cv_results_['mean_train_score']
     10 cv_auc = clf.cv_results_['mean_test_score']

KeyError: 'mean_train_score'

Answer 1

实际上，您收到mean_train_score键错误。只需在 gridsearchcv 参数中设置return_train_score=True，即可完成工作。

Answer 2

  

mean_train_score丢失，您可以使用

交叉验证      

scores = rf.cv_results_

pd.DataFrame(scores).head()

  

rf是您的gridsearchcv

     

您将收到类似下面的错误

     

KeyError：'mean_train_score'

     

解决方案

     在gridsearchcv中

设置return_train_score = True

     

rf = GridSearchCV(rf, parameters, cv=n_folds, scoring="accuracy",return_train_score=True)

Answer 3

可能值得注意的是，即使您使用多个计分器，即使您在网格搜索中设置了mean_train_score，您仍然可能会遇到return_train_score=True错误。这是原因。如果您正在运行具有多个计分器的GridSearchCV（例如，您将参数传递到scoring= {'Accuracy': 'accuracy', 'F1': 'f1_macro', 'AUC': 'roc_auc'}等网格搜索中），则可以预期mean_train_score变量名将取决于您拥有的变量将refit设置为。例如，如果您设置了refit='AUC'，则相应的变量名称将为mean_train_AUC，并相应地为其他名称。这些是scikit-learn中记录的非常微妙的更改，但可能难以发现和处理。