如何在python的sklearn中获取GridSearchCV中的所选要素

在Python的sklearn中，可以通过以下步骤获取GridSearchCV中的所选要素：

导入所需的库和模块：

from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_iris
from sklearn.svm import SVC

加载数据集：

iris = load_iris()
X = iris.data
y = iris.target

定义模型和参数网格：

model = SVC()
param_grid = {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf']}

创建GridSearchCV对象：

grid_search = GridSearchCV(estimator=model, param_grid=param_grid)

拟合数据集：

grid_search.fit(X, y)

获取所选要素：

best_params = grid_search.best_params_
best_estimator = grid_search.best_estimator_
best_score = grid_search.best_score_

在上述代码中，我们首先导入了所需的库和模块。然后，加载了一个示例数据集（这里使用的是鸢尾花数据集）。接下来，我们定义了一个支持向量机模型（SVC）和一个参数网格，其中包含了不同的C值和核函数类型。然后，我们创建了一个GridSearchCV对象，并将模型和参数网格传递给它。接着，我们使用拟合方法对数据集进行训练和调优。最后，我们通过访问GridSearchCV对象的属性来获取所选要素，包括最佳参数（best_params）、最佳估计器（best_estimator）和最佳得分（best_score）。

这样，我们就可以在Python的sklearn中获取GridSearchCV中的所选要素了。

腾讯云相关产品和产品介绍链接地址：