使用网格搜索调整了3个参数，但best_estimator_只有2个参数
网格搜索是一种用于超参数调优的方法，它通过遍历给定参数的所有可能组合，并通过交叉验证来评估每个组合的性能，最终选择最佳参数组合。
在这个问题中，我们使用网格搜索调整了3个参数，但是best_estimator_只有2个参数。这种情况通常发生在使用GridSearchCV进行参数调优时，其中best_estimator_是指具有最佳性能的估计器模型。然而，best_estimator_只显示了调整过的参数，而没有显示未调整的参数。
有时候，在进行网格搜索时，并不是所有的参数都会进行调整。这可能是因为某些参数的默认值已经很合适，不需要进一步调整。因此，best_estimator_只会包含调整过的参数，并显示它们的最佳取值。
对于这个问题，可能存在以下几种可能的原因：
- 未正确指定需要进行调整的参数列表。在进行网格搜索时，需要明确指定希望调整的参数范围，如果某个参数没有包含在列表中，它将不会进行调整，因此也不会出现在best_estimator_中。
- 某些参数的调整可能没有提升模型性能，因此它们被排除在最佳估计器模型之外。这意味着它们的默认值或者之前设置的值已经足够好，不需要进行调整。
在这种情况下，我们应该确保正确指定了所有需要调整的参数，并在调优过程中关注best_estimator_之外的其他参数的性能表现，以便全面评估模型的优化效果。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云网格搜索：https://cloud.tencent.com/product/gs
相关·内容
我使用网格搜索来调优我的模型的参数(随机森林，线性回归等)。所以我将gs对象保存在grid_searches中
gs = GridSearchCV(model, params, cv=cv, n_jobs=n_jobs,
verbose=verbose, scoring="mean_squared_error", refit=refit)
gs.fit(trainX,trainy)
grid_searches[key] = gs
然后，我想获得每个模型的最佳估计量，以便进行预测：
def predict(testX, testy, grid_
浏览 2提问于2015-12-09得票数 4
回答已采纳
在我执行网格搜索CV之后，我想要挑选最好的模型以供将来使用。当我做像这样的事情时
grid_search = GridSearchCV(SVC_clf, parameters, n_jobs=-1, verbose=1, cv = 3)
gs = grid_search.fit(X, Y)
with open('../MLA (pickled)/SVC.txt','w') as f:
s = pickle.dumps(gs)
f.write(s)
然后
with open('../MLA (pickled)/SVC.txt'
浏览 0提问于2016-05-26得票数 2
1回答
我选择最好的功能，然后做网格搜索。完成后，我想打印已选定的最佳功能。
knn = KNeighborsRegressor()
sfs = SequentialFeatureSelector(knn,
scoring=custom_scorer,
n_features_to_select='auto',
tol=.01,
n_j
浏览 4提问于2022-07-30得票数 2
回答已采纳
1回答
基于网格搜索on的决策树绘制
、、、、
我试图绘制使用GridSearchCV生成的决策树，但它给了我一个属性错误。
AttributeError: 'GridSearchCV' object has no attribute 'n_features_'
但是，如果我试图在没有GridSearchCv的情况下绘制一个正常的决策树，那么它将成功地打印出来。
码无网格搜索的决策树
# dtc_entropy : decison tree classifier based on entropy/information Gain
#plotting : decision tree on information
浏览 0提问于2020-05-05得票数 0
回答已采纳
GridSearchCV和RandomizedSearchCV的best_estimator_是：
通过简单的评分方法之一:精确性、召回性、精确性等，只返回最佳的估计量。基于训练集的评估仅基于。
我想丰富这些限制
我自己对methodsEvaluate评分的定义是在测试集上进一步评分，而不是GridSearchCV所做的训练。最终，测试集的性能才是重要的。在我的网格搜索中，训练集倾向于提供几乎完美的精度。
我正在考虑通过以下方式来实现这一目标：
RandomizedSearchCVWith 获取GridSearchCV和GridSearchCV中的单个估计量/模型，在测试集上进行预测，并使用自
浏览 6提问于2020-07-12得票数 0
2回答
在Weka中，我使用了网格算法和随机搜索参数整定算法，但不幸的是，当我们使用ML算法(支持向量回归、线性回归等)而没有任何优化算法时，它们的性能(在更好的预测精度方面)最差。我想知道这怎么可能？我的意思是说，一种算法(网格算法或随机搜索算法)的性能应该比其他算法好或差，但与没有任何参数优化算法的算法相比，它们的性能最差。我甚至尝试了在Weka和MultiSearch选项的混合，但即使是这两者的混合具有最差的性能。如果有人能根据他们在这方面的经验提供意见，请见谅。
浏览 0提问于2019-10-16得票数 1
我有一个用gridsearchCV创建的对象
grid_search = GridSearchCV(pred_home_pipeline, param_grid)
我想保存整个网格搜索对象，这样我可以在以后探索模型调优结果。我不想只保存the best_estimator_。但是，在转储和重新加载之后，重新加载的grid_search对象和原始的are对象在某种程度上是不同的，我无法跟踪它们。
# save to disk
with open(filepath, 'wb') as handle:
pickle.dump(grid_search, handle, prot
浏览 6提问于2017-03-23得票数 2
回答已采纳
1回答
有什么方法可以从sklearn`s的HalvingGridSearchCV中获取功能的重要性吗？
例如：
📷
📷
是否有任何方法访问功能的重要性？请扶我起来。谢谢!
浏览 0提问于2022-12-07得票数 0
我试图使用OnClassSVM进行异常检测，并使用GridSearchCV()对其参数进行了调整，如下所示：
我已经搜索了许多网站，包括，但没有找到任何适当的解决方案，我的方案。代码在这里：
nus = [0.001, 0.01, 0.1, 1]
gammas = [0.001, 0.01, 0.1, 1]
scorers = {
'precision_score': make_scorer(precision_score),
'recall_score': make_scorer(recall_score),
'accuracy_score&
浏览 11提问于2019-09-18得票数 5
回答已采纳
1回答
我使用以下代码在服务器上运行Python 3分类脚本：
# define knn classifier for transformed data
knn_classifier = neighbors.KNeighborsClassifier()
# define KNN parameters
knn_parameters = [{
'n_neighbors': [1,3,5,7, 9, 11],
'leaf_size': [5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60],
'algo
浏览 2提问于2020-05-08得票数 0
回答已采纳
2回答
当我使用GridSearchCV和xgboost执行网格搜索时
kfold = StratifiedKFold(n_splits=3, shuffle=False, random_state=random_state)
model = xgb.XGBClassifier()
grid_search = GridSearchCV(model, param_grid, scoring="roc_auc",
n_jobs=4, cv=kfold, verbose=1)
GridSearchCV内部使用的轮数是多少？
浏览 0提问于2017-01-16得票数 2
1回答
我想写一段代码，它可以在几个处理器和预处理器上进行网格搜索，也可以在不同的功能组合上进行搜索。我通过在gridsearchCV中使用RFECV实现了这一点。然而，这需要很长时间才能运行。因此，我颠倒了顺序。我做了一个网格搜索，然后我把它放在RFECV里面。现在，我想要查看并打印出在最佳模型中实际选择了哪些特征。我尝试了这个网站上的几个解决方案，但都没有奏效。如何访问所选功能？grid_dem.get_support(indices=True)和grid_dem.support_都不起作用。我得到了这个错误和其他类似的错误：AttributeError: 'RFECV' obje
浏览 2提问于2017-12-15得票数 1
我在iPython中运行了下面的网格搜索分类器。
然后尝试通过酸洗来序列化它，但是收到了以下回溯：
In [6]: with open('clf.pkl', 'wb') as f:
cPickle.dump(clf, f)
...:
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
&l
浏览 3提问于2012-08-17得票数 3
回答已采纳
背景
我使用支持向量机对不平衡类进行二进制分类(即在我的训练集中，正负标签的比率是100)。我想优化以下参数:m(从我的训练数据中样本的正负标签的比率)，w(类别权重)和SVM参数C。
问题
我希望通过网格搜索来优化这些参数，并将评分函数定义为：
def svm_acc(X, y, m, w, c):
X, y = balanceClasses(X, y, m)
clf = svm.SVC(kernel='rbf', C=c, class_weight = {1: w})
scores = cross_validation.cross_val_score(clf,
浏览 4提问于2015-06-22得票数 4
回答已采纳
1回答
我在一门机器学习入门课程中，在创建了两个决策树(第二个在网格搜索后具有最佳参数)后，准确率分数略有下降。我必须解释为什么，但我很困惑为什么如果我们使用最好的参数，分数会下降？问题如下： 将第一个决策树中的准确性分数与执行网格搜索后的准确性分数进行比较。它有什么不同？你很可能会发现准确率分数降低了。这是你所期望的吗？我们执行一轮网格搜索，以阐明最佳超参数值。那么，为什么准确率分数会下降呢？最重要的是，是什么导致了准确率分数的下降?为什么？
浏览 241提问于2021-08-01得票数 0
如果我在完成之前中断grid_search.fit()，那么到目前为止它所做的一切都会松掉吗？我对我的网格搜索有点着迷，并提供了一个非常大的搜索空间。我可以看到我已经很满意的分数，但是我的标准没有显示是哪一个参数导致了这些分数。
我搜索了文档：
几年前有一个关于添加并行搜索功能的讨论：
但没什么决定性的。我的搜索工作已经进行了48小时，所以我不想泄露已经发现的信息，但我也不想继续。
谢谢!
浏览 3提问于2016-09-07得票数 2
我想问你一个问题。假设我使用以下RandomizedSearchCV查找模型的最佳超参数：
classification = RandomizedSearchCV(XGBClassifier(n_jobs=-1, random_state=42), {
'max_depth': [1,2,3,4,5,6,7,8,9,10],
'learning_rate': [.001, .005, .01, .05, .1, .2, .3],
'n_estimators': [300, 500, 1000, 1500],
浏览 0提问于2023-03-12得票数 1
网格搜索技术是一种易于使用且令人尴尬的并行方法，用于为机器学习模型找到最佳超参数集。Google Cloud Machine Learning (ML)引擎是否使用网格搜索？
浏览 0提问于2017-09-14得票数 0
我注意到，在一些消息来源中，作者首先用默认的超参数来训练模型(比如来自scikit-learn的模型)，模型自然会给出结果。然后，他们会尝试优化超参数，即使参数网格包含相同的默认参数(例如，对穷举网格搜索)，然后选择具有最佳参数的最优模型。
当我练习的时候，我做了同样的步骤，但是在我解剖了这个过程之后，我意识到这可能是多余的。如果穷举网格搜索(或任何其他技术)涉及到使用各种超参数组合来训练模型，那么直接使用这些技术并直接获得问题的最佳模型不是更合理吗，而不是试图用默认的超参数来优化模型，这几乎总是会提高性能。就像这段代码，来自scikit-learn的官方网站。将预处理后的培训数据集与最佳模型
浏览 0提问于2021-09-22得票数 1
考虑3个数据集-列车/val/测试。GridSearchCV默认选择交叉验证分数最高的最佳模型。在现实世界中，预测必须准确，这是选择最佳模型的可怕方法。原因是因为这就是它应该如何使用的原因：
用于模型学习数据集的-Train集
-Val集用来验证模型在火车集合中学到的知识，并更新参数/超参数，以最大限度地提高验证分数。
-Test集-测试你的数据在看不见的数据。
-Finally在活动设置中使用该模型，并记录结果以查看结果是否足以做出决策。令人惊讶的是，许多数据科学家只是在选择验证分数最高的模型的基础上，冲动地在生产中使用他们受过训练的模型。我发现网格搜索可以选择那些非常适合的模型，并且在预测
浏览 1提问于2019-10-31得票数 5
超参数优化使用两种技术，如网格搜索、或随机搜索。梯度下降主要用于将损失函数降到最小。
这里查询是在什么时候我们将使用网格搜索和梯度下降。
浏览 1提问于2019-02-10得票数 2
1回答
我想通过二进制类的XGBClassifier对一些超参数进行网格搜索，但是每当我运行它时，就不会显示分数值(roc_auc)。我在其他问题中看到，这可能与模型培训中的一些错误有关，但我不确定在这种情况下是哪一个错误。
我的模型训练数据X_train是np.array of (X, 19)
📷
我的y_train是numpy.ndarray of shape (X, )，它看起来像这样
📷
然后我用这种方式创建我的模型参数和模型
from sklearn.model_selection import RandomizedSearchCV, GridSearchCV
from sklearn.me
浏览 0提问于2022-05-17得票数 1
1回答
XGBoost有相当多的超参数需要调优:最大深度、最小子权重、迭代次数、eta、伽马、考虑的列百分比和考虑的样本百分比。
在一个巨大的网格搜索中同时调优所有这些在计算上是不可行的。因此，这些都必须按照某种顺序进行。
你有什么建议吗？
目前，我首先把Eta和N次迭代调到一起，然后是最大深度和MCW一起，然后是集中样本和行样本，最后是伽马。
你有别的主意吗？如果你像这样按块的方式调整它，你如何决定在一开始修复超参数的值？例如，在调整Eta等时，您设置了最大深度和MCW吗？
浏览 0提问于2022-02-16得票数 0
我知道对一个简单的Catboost模型进行网格搜索很容易，比如在这里：https://medium.com/aiplusoau/hyperparameter-tuning-a5fe69d2a6c7
通过运行类似的
cbc = CatBoostRegressor()
#create the grid
grid = {'max_depth': [3,4,5],'n_estimators':[100, 200, 300]}
#Instantiate GridSearchCV
gscv = GridSearchCV (estimator = cbc, param_g
浏览 0提问于2023-05-24得票数 0
我优化了一个knn算法在滑雪板上的网格搜索。然而，我对训练数据的准确性下降了1%，交叉验证的准确率提高了0.7%。在网格搜索之后，模型更好吗？
浏览 0提问于2022-08-14得票数 1
1回答
from sklearn.model_selection import RandomizedSearchCV, GridSearchCV
from sklearn.metrics import roc_auc_score
from sklearn.metrics import precision_recall_fscore_support as score
from sklearn.model_selection import StratifiedKFold
from xgboost import XGBClassifier
import time
params = {
'm
浏览 0提问于2018-04-26得票数 1
回答已采纳
我正在创建一个搜索页，该页有一个正在使用Ajax提交的表单，在执行搜索后，我想要显示一个结果网格。
我的问题是，我应该在页面加载时创建网格，然后在执行搜索后使用数据填充它，还是在执行搜索时在服务器上创建网格，然后将网格附加到页面。
我在考虑创建一个助手方法来渲染网格，并在获得结果后从控制器调用它，然后返回助手方法的结果并将其附加到页面，但这可能与MVC架构(我在控制器上定义UI )背道而驰。
我应该采取什么方法？
谢谢
浏览 2提问于2009-10-27得票数 1
回答已采纳
希望你能帮助我，因为我不确定如何接近这一点。似乎在上面找不到任何好的资源。
正在尝试在list.phtml上创建网格视图。但是，我想让用户决定每行是2个、3个还是4个项目。
如本网站所示：
还有什么模板文件是那些网格选项/图标html中定义的，因为我似乎找不到它。
任何帮助和例子都将不胜感激。
感谢您的阅读。
浏览 0提问于2012-03-31得票数 0
回答已采纳
我最近使用sklearn.model_selection.GridSearchCV测试了许多超参数组合。我想知道是否有一种方法可以调用在该过程中训练过的所有以前的估计器。 search = GridSearchCV(estimator=my_estimator, param_grid=parameters)
# `my_estimator` is a gradient boosting classifier object
# `parameters` is a dictionary containing all the hyperparameters I want to try 我知道我可以
浏览 20提问于2020-12-18得票数 0
回答已采纳
1回答
我们使用的是jgGrid，它运行得非常好。让我来解释一下网格是如何设置的，我们正在从服务器上获取json数据，加载一次: true。
现在我们希望每20秒更新一次网格，所以
setInterval(function () {
$("#jqGrid").setGridParam({ datatype: 'json', page: 1 }).trigger('reloadGrid', [{ current: true }]);
}, 20000);
这很好用。问题是，它完全刷新了网格，我们希望
浏览 3提问于2016-06-09得票数 1
回答已采纳
1回答
网格搜索还是梯度下降？
、、、、
假设我们有一个神经网络，它的激活函数之一是参数a的函数，我们想找出导致验证集损失最小的权重和参数a，哪一个更好？：
将a视为一个超参数。对a进行网格搜索:考虑a的范围，并评估范围内几个点的损失。选择范围内的最佳a，以及导致最小损失的权重。
将某一参数视为参数。由于网络的损失是参数a的函数，所以在每次迭代时使用梯度下降来更新权值和参数a。
对我来说，第二个选项更好，因为它可以导致最优点，但是网格不能导致最优点，它可以导致围绕最优点的点，这取决于您的选择。但是，第二种方法对吗？
有更好的方法吗？
最后，在网格搜索中，我们如何选择范围？
浏览 0提问于2019-10-28得票数 4
回答已采纳
1回答
从scikit管道中获取特性名称
、、、、
我正在处理ML回归问题，我在网上教程的基础上定义了一个管道，如下所示。
我的代码如下所示
pipe1 = Pipeline([('poly', PolynomialFeatures()),
('fit', linear_model.LinearRegression())])
pipe2 = Pipeline([('poly', PolynomialFeatures()),
('fit', linear_model.Lasso())])
pipe3 = Pipeli
浏览 9提问于2022-11-25得票数 0
回答已采纳
我看到了类似的问题，但大多数涉及调整大小。这是特定于在数据源中设置新数据时的对齐。我想看看我是否有正确的网格设置或一个可能的更好的解决办法。
当我调整Kendo数据网格的大小时，列和标头似乎对齐得很好(Chrome中的一些问题)。但是，在调整其中一个列的大小并搜索新数据后，我发现列和标头对齐不对齐。
我试过firefox和chrome，两者都有这个问题。
这与这些问题相似，但似乎是在调整大小，而不是加载数据。
Here is an example of the issue I'm running into.
调整列的大小并点击搜索
请注意，网格和列标题未对齐。
我
浏览 5提问于2014-10-22得票数 0
1回答
支持向量回归时间序列
、、、、
我试图在python中使用SVR作为一个月时间序列。
我的培训数据为2019年1月至2021年6月，我的测试时间为2021年7月至2021年12月。
我试图预测销售不仅使用历史记录，而且每个SKU在每个时期的价格。
附件中有两张与我的产品相关的图片。一个显示销售情况，另一个显示价格。
我的问题是，我怎样才能把价格作为一个外生变量？在SARIMAX中，这很容易，因为我们有一个参数，说明了外生变量，但是在SVR的情况下，我找不到它。下面的描述来自Scikit的学习：
sklearn.svm.SVR(*，核=‘rbf’，degree=3，gamma='scale'，coef0=
浏览 2提问于2022-04-22得票数 -1
1回答
我使用下面的代码片段来手动调用网格上的save函数。我使用的是内联编辑。save函数需要返回一个自定义对象。如何访问返回值？有回调函数吗？successfunc是否只返回true/false？
jQuery("#grid_id").jqGrid('saveRow',rowid, succesfunc, url, extraparam, aftersavefunc,errorfunc, afterrestorefunc);
浏览 2提问于2012-09-15得票数 0
回答已采纳
我，像往常一样，在互联网上搜索有关给定功能的文档，使用strophe或其中一个插件。在本例中是这样的：。可能RSM的规范有点超出我的考虑，但基本上，如果使用这个插件，一个用户和另一个用户之间如何在一段时间内获得所有消息。我发现这是唯一可用的示例代码：
另外，由于缺乏当前的开发和关于strophe、plugins等方面的强大文档，这是几乎没有人使用的东西吗？
浏览 3提问于2014-11-12得票数 1
回答已采纳
我的目标是对各种VW模型的参数空间(尝试不同的损失函数和正则化等)进行网格搜索。由于模型可能需要多次通过，所以我想使用交叉验证。我想知道我是否应该实现我自己的交叉验证代码(也许是作为bash脚本)，还是我正在重新发明轮子。任何关于这一点是否已经做过等或最好的处理方式的指示都是有用的。我正在研究如何在bash脚本中实现交叉验证，并使用GNU并行化网格搜索。
浏览 3提问于2013-09-17得票数 7
回答已采纳
1回答
我有一个数据集，我想运行sklearn的SVC模型。一些特征值的大小在0，1e+7的范围内。我尝试使用SVC w/o预处理，或者得到不可接受的长计算时间，或者得到0真正预测。因此，我试图实现一个预处理步骤，特别是MinMaxScaler。
到目前为止我的代码是：
selection_KBest = SelectKBest()
selection_PCA = PCA()
combined_features = FeatureUnion([("pca", selection_PCA),
("univ_se
浏览 1提问于2016-04-12得票数 3
1回答
我知道GridSearchCV可以接受多个输入作为他们的记分器，但是我必须选择一个使用refit来优化的度量。
就像这样：
grid_search = GridSearchCV(
estimator=classifier,
param_grid=parameters,
scoring=['accuracy', 'f1', 'precision', 'recall'],
refit="accuracy", # Or any other value from `scoring`
浏览 10提问于2022-09-06得票数 0
1回答
我用的是jqGrid和datatype: 'local'。网格数据是通过addRowData动态设置的。我不使用异步ajax，比如url + datatype: json，因为网格只需要显示客户端状态。
现在我想使用jqGrid删除行功能(delbutton: true)，它调用delGridRow函数。这可以很好地删除行，但我当然需要删除底层数据。因为所有这些都只是客户端，所以我不能使用editurl。
我想要的是一个onRowDelete或onRowEdited事件。但是jqGrid不支持这样的东西，或者至少我还没有找到这样的东西。实现我自己的删除按钮将是好的，但我只设法通
浏览 3提问于2015-05-26得票数 2
回答已采纳
1回答
我正在使用jquery jqGrid插件，我需要在网格初始化时触发事件。我测试了gridComplete和loadComplete事件，但是这些事件是在每个服务器请求之后引发的。我需要一个只在网格初始化一次之后引发的事件。我读过，但没有看到任何与我的需求相关的事件。有办法吗？感谢您的关注。
更新：
感谢奥列格的回答。我使用的是jqGrid 4.6，并使用了@Oleg建议的具有以下模式的事件：
$('#grid1').jqGrid('setGridParam', {
onSelectRow: function(id) {
浏览 10提问于2015-02-28得票数 1
回答已采纳
1回答
我有一个使用subGridRowExpanded的带有子网格的网格。
我想动态地展开网格的一些行，所以我在第一个网格的GridComplete事件中写了下面的文章。ids是我的网格中行ids的数组
for(int i =0; i< ids.length; i++) {
//Checking with condition
$("#myGridName").expandSubGridRow(ids[i]);
}
我也尝试使用以下代码，但出于某种原因，第二级GridComplete中的复选框仅为最后展开的行添加。
$("#myGridName")
浏览 3提问于2011-11-08得票数 1
所以我的应用程序使用多个网格，但是我将代码分成两个文件，一个是网格特有的，另一个是在所有网格上共享的公共函数。
现在的问题是，我在唯一的文件中定义了一些事件，例如，我在一个网格仅文件中定义了loadComplete事件，因为这些函数仅针对该网格而不是其他网格。但是现在，当我尝试添加适用于公共函数文件中所有网格的公共loadComplete函数时，它对我来说是行不通的。
如果我在每个loadComplete中定义了公共函数，那么我就可以让它工作，但这样就不能将一个文件中的唯一网格函数和另一个文件中的共享函数分离(用于维护目的)。
因此，我想知道是否有任何方法在公共函数文件中添加loadCompl
浏览 3提问于2014-08-18得票数 1
回答已采纳
2回答
我想执行一个超参数搜索，以选择sklearn中的预处理步骤和模型，如下所示：
pipeline = Pipeline([("combiner", PolynomialFeatures()),
("dimred", PCA()),
("classifier", RandomForestClassifier())])
parameters = [{"combiner": [None]},
{"combiner
浏览 5提问于2020-08-02得票数 2
回答已采纳
我使用带有Ajax代理(XML阅读器)的extjs grid来加载数据。应用程序的要求是，代理将从服务器获取所有数据，但只有当网格有要添加/删除的内容时，才应重新加载或刷新网格。
我已经搜索过了，但可能是我遗漏了什么，或者我没有找到正确的方法。
这是我想要做的。1)从server和rander获取初始网格数据。2)将数据存储在本地。2) 5秒后再次获得服务器响应，但只在发生变化时比较本地数据并调用网格刷新。无限地执行此操作，直到用户离开此页面。
我的问题是，如何才能让Proxy.Read()或类似的东西在第一次以及任何后续请求时捕获XML响应。一旦我可以得到响应，我就知道如何继续下去。
提前感
浏览 2提问于2011-08-17得票数 0
我有一个300,000行的数据集和一个集成模型，其中包括网格搜索，以找到每个算法的最佳参数。不幸的是，网格搜索需要很长的时间，而我在实现不同算法(xgb、lightgbm.)的gpu方面有问题。此外，模型，是从科学学习像随机森林，不运行在gpu。现在的想法是，我将创建一个带有最大值的小数据集，而不是30万行。500行，这些行所需时间少于完整数据集。
所需的最小样本量计算有帮助吗？
样品应该有多大？为了得到一个好的数据分布的大数据集？
浏览 0提问于2020-08-09得票数 2
我试图通过GridSearchCV来评估回归者的性能。在我的实现中，cv是一个int，所以我正在应用K折叠验证方法。从cv_results_['mean_test_score']来看，k倍未见数据的最佳平均得分约为0.7，而火车得分则要高得多，比如0.999分。这很正常，我也不介意。
那么，按照这个概念背后的推理，当我将best_estimator_应用于整个数据集时，我希望看到至少部分数据预测的不完美，对吗？相反，对于所有数据点，预测量与实数之间的数值偏差接近于零。这闻起来有点过火了。
我不明白这一点，因为如果我删除一小部分数据并将GridSearchCV应用于其余部分，我会
浏览 0提问于2018-07-27得票数 3
我已经在jqGrid中实现了依赖下拉列表(类似于这个)。返回的行数据既有值也有显示值。如何在网格行上显示显示值？在网格初始化时，我没有dependent dropdown的值列表，当用户从other dropdown中选择值时，它们从服务器加载。当我知道dependent dropdown的值时，formatter: 'select'很有用，但当这些值被动态加载时，我不确定如何使用它。
浏览 3提问于2015-06-02得票数 0
1回答
我最近遇到了一个页面的优化问题。这是一个类似仪表板的页面，它包含AspxNavBar (模拟折叠控件)和3个组，组包含2个回调面板内的图表，4个回调面板内的网格(1主+3从属)，带有许多组合框和一个回调面板的过滤控件。
页面的总重量约为4 of，此外，页面的第一次加载会立即在相关网格(在主网格中‘选中’第一行)和带有图表的面板(用于调整图表大小)上启动回调。
有没有一种方法可以减小页面大小，比如html的大小或者devexpress控件的回调/视图状态？我已经搜索并找到了禁用行缓存(实际上没有帮助)，将文本框切换到本机模式(我没有文本框)等建议。我还禁用了所有网格的视图状态，并去掉了2个回调面
浏览 2提问于2012-08-29得票数 1
回答已采纳
1回答
Gridsearhcv使用StratifiedKFold或KFold。因此，我的问题是，在使用网格搜索之前，我是否应该将数据分成训练和测试，然后只对测试数据进行拟合？我不确定是否有必要，因为cv方法已经拆分了数据，但我已经看到了一些预先拆分数据的示例。
谢谢。
浏览 0提问于2017-07-29得票数 13
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
