GridSearchCV

GridSearchCV的主要參數

GridSearchCV(estimator, param_grid, cv=None, scoring=None)

• estimator:
  代表我們想要采用的分類器，如決策樹，隨機森林，SVM,kNN，樸素貝葉斯等等

• param_grid:
  代表我們想要優化的參數和取值，輸入的是字典或者列表形式

• cv：
  交叉驗證的折數，默認為None，代表使用三折交叉驗證，也可以為整數代表的是交叉驗證的折數。

• scoring：
  準確度的評價標準，默認為None，也就是需要使用Score函數，可以設置具體的評價標準，比如accurary，f1等

使用：

我們在進行參數調優時，如果計算出來最優參數會發生變化，我們可以查看他的最優分數，如果最優分數相差不大，那表示我們的參數結果也相差不大，那我們選擇其中一個即可

GridSearchCV 它存在的意義就是自動調參，只要把參數輸進去，就能給出最優化的結果和參數。但是這個方法適合于小數據集。

GridSearchCV 中的 交叉熵

from sklearn.grid_search import GridSearchCV

GridSearchCV中的cv：表示將訓練集劃分為幾份，用于交叉

總結

以上是生活随笔為你收集整理的GridSearchCV和交叉熵的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。