如何在GridSearchCV中分别缩放每个折叠？ 在训练ML模型时，我们应该对训练数据的特征进行归一化(缩放)。然后在测试数据上使用拟合的定标器。但是如果使用网格搜索CV (5折)，我们通常会向它提供已经缩放的训练数据。然后被分成多个折叠。但是我们如何分别扩展4-1个折叠层呢？X_test)
# not train and validation separately
cv
浏览 43提问于2019-10-11得票数 2
1回答
GridsearchCV的预处理
、、、、
我使用GridsearchCV来调优超参数，现在我想在训练和验证step.But时做一个min Normalization(StandardScaler())，我想我不能这样做。问题是：
如果我将预处理步骤应用于整个训练集，并将其发送到GridsearchCV进行10 foldCV。这会让我发现数据泄漏对吧？因为训练集将运行10倍，这意味着9倍的训练和1倍的测试折叠。规范化应该
浏览 2提问于2019-04-15得票数 4
回答已采纳
我想手动分析我的ML模型(无论哪个)所做的错误，将其预测与标签进行比较。根据我的理解，这应该在验证集的实例上完成，而不是在训练集上。我通过GridSearchCV训练我的模型，提取best_estimator_，在交叉验证期间表现最好的那个，然后在整个数据集上重新训练。因此，我的问题是:如果我
浏览 32提问于2020-09-25得票数 0
回答已采纳
我正在浏览validation_curve的sci学习文档，并看到它返回了两组不同的数据：
train_scores:训练集上的形状数组(n_ticks，n_cv_folds)分数。test_scores:形状数组(n_ticks，n_cv_folds)在测试集上得分。在给定的函数中，我们只传递一个X和y数组，它如何从传递的训练数据中计算test_scores，它是否执行固有的train_test_split
浏览 6提问于2020-10-18得票数 0
在做GridSearchCV时，通过grid.score(.)获得的分数之间有什么区别？和grid.best_score_grid.fit(X_train, y_train)
scores = grid.score(estimator=my_model，我想知道两者之间的区别，以及以下哪一种应该被认为是从给定的</em
浏览 3提问于2021-09-03得票数 0
回答已采纳
2回答
"f1")gs_clf = gs_clf.fit(corpus.data, corpus.target)
如果是这样的话，我将如何从那里得到我的训练集我看到了使用train_test_split将语料库分割成测试集和
浏览 1提问于2016-11-11得票数 7
回答已采纳
我使用20%的数据集作为我的测试集，并使用GridSearchCV来实现K折交叉验证来调优超参数。
通过使用管道，我们可以将列转换器和机器学习算法一起放入GridSearchCV中。如果我为GridSearchCV设置了5折交叉验证，该函数将使用5个不同的训练和验证集来训练和验证每个超参数组合。据我所知，<em
浏览 10提问于2021-11-17得票数 0
理论上说，将数据集分解为三组:训练集用于训练模型，验证集用于调整参数，测试集用于评估性能。我有10个班，对于火车数据，每个班有1017个样本。在验证和测试集中，我为每个类提供了300个样本。
我对我的</e
浏览 5提问于2017-05-13得票数 1
回答已采纳
2回答
用Keras规范神经网络的验证集
、、、、
所以，我知道规范化对于训练一个神经网络是很重要的。我的问题是:我如何在Keras中做到这一点？我现在要做的是：from keras.models import Sequentialfrom keras.callbacksnorm_in
浏览 2提问于2017-07-25得票数 3
回答已采纳
我有一个数据集，它以前被分成3组:训练、验证和测试。为了比较不同算法的性能，必须按照给定的方式使用这些集合。
现在，我想使用验证集来优化支持向量机的参数。但是，我无法找到如何显式地将验证集输入到sklearn.grid_search.GridSearchCV()中。下面是我以前在训练集上做K交叉验证时使用的一些
浏览 15提问于2015-08-11得票数 53
回答已采纳
1回答
我已经将我的数据分成了一个训练集和一个验证集，我使用GridSearchCV训练了不同的超参数，并找到了最好的。现在，我想在培训集和验证集上打印所有这些的结果。训练集非常容易，因为GridSearchCV有一个名为grid_scores_的属性(我正在使用scikit-LearchVersio
浏览 0提问于2016-11-20得票数 0
回答已采纳
1回答
在Scikit中，学习RandomSearchCV和GridSearchCV需要cv参数的交叉验证对象，例如GroupKFold或其他来自sklearn.model_selection的简历分配器。但是，如何使用单一的静态验证集？我有很大的训练集，很大的验证集，我只需要简历对象的接口，而不是整个交叉验证。具体来
浏览 3提问于2021-05-30得票数 0
回答已采纳
1回答
下面是一篇关于使用LSTM进行股票预测的文章中时间序列的数据归一化过程：训练数据，使用20%的样本作为验证集。默认情况下，Keras的模型使用最后20
浏览 0提问于2019-03-09得票数 3
1回答
我正在尝试一个示例，我正在使用Cudf和CUml在一个巨大的数据集上训练500万行(只有4个特性)，并且我使用SGD逻辑回归，因为我必须预测病人是否生病。我使用分层k折叠，因为数据集有大约20474受感染，其余的4_979_256是健康的。我将使用召回或f1评分作为衡量标准。
我已经做了5个分层k倍，现在我想做一个网格搜索。我在手册https://scikit-learn.org/stable/modules/generated/
浏览 0提问于2023-02-27得票数 0
我使用管道和GridSearchCV自动选择功能。由于数据集很小，所以我将GridSearchCV中的参数'cv‘设置为StratifiedShuffleSplit。("select", selection), ("classify", clf)])
grid_search = GridSearchCV(pipeline, param_grid=para
浏览 6提问于2016-12-10得票数 0
回答已采纳
2回答
我试图在上解决一个回归问题，借助，.I使用来选择最佳的超参数。我应该把GridSearchCV放在X_train, y_train上，然后得到最好的参数吗？(X，y=整个数据集)如果我把它放在X, y上，得到最好的参数，然后在这些最佳参数上建立一个新的模型。现在我该如何训练这个新模式呢？我应该在X_train, y_train或X, y.上训练新型号如果我在X,y上训练新的模型，我将如何
浏览 1提问于2018-11-23得票数 7
我在GridSearchCV和K折叠交叉验证之间有很多混淆。我知道GridSearch只用于超参数优化，K折叠将我的数据分割成K折叠并在它们上迭代(cv值)。那么，我应该先将数据分割成训练集和验证集，然后将GridSearch应用于训练数据以获得“最佳参数”，然后使用从GridSearch获得的“最佳参数”对训练数据使用K折叠，然后对整个数据(训练+验证集)进行<
浏览 6提问于2021-06-27得票数 0
回答已采纳
这个问题在某种程度上与：在推断测试集之前加入培训和验证集是正确的吗？有关分割数据使用mean+std from 2规范验证和测试数据现在我们有了一个我们满意的模型和超视距。上面的问题表明它是好的，然后一起训练一个使用train+validation数据的模型。但我很困惑
浏览 0提问于2021-07-18得票数 0
回答已采纳
有什么方法可以获得性能最好的模型的参数吗？
浏览 2提问于2015-09-14得票数 0
回答已采纳
在训练数据集上交叉验证超参数网格后，SparkML的CrossValidator是否重新适合整个训练数据集？如果不是，它会从交叉验证的哪一部分中选择用于推断的bestModel？拟合的CrossValidator使.transform()方法可用。为此，CrossValidator是否使用最佳超参数在整个训练/交叉验证数据集上重新训练，
浏览 22提问于2021-03-23得票数 0
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
腾讯会议
云直播活动推荐
腾讯云开发者
