当在Python语言中使用网格搜索来查找分类器时，使用这个函数GridSearchCV()假设我们有一个参数间隔来调优1到100，我们如何指定它(1:100不起作用) ?？
浏览 4提问于2017-12-24得票数 0
回答已采纳
2回答
因为网格搜索总是很费时，所以我想看看它现在运行了多少。例如，它可能会输出paramsYYY processed
浏览 2提问于2016-05-22得票数 2
回答已采纳
我有训练数据结构，这样的flow_from_directory可以使用，并训练网络以及。
现在，我希望使用GridSearchCV执行超参数调优。当将GridSearchCV与keras模型一起使用时，fit方法需要输入和标签的类似数组的对象。有没有什么方法可以使用flow_from_directory并执行超参数调整。
浏览 1提问于2017-09-18得票数 3
我正在尝试为一个多类分类问题在scikit learn中为GridSearchCV设置评分函数。GridSearchCV使用哪个值/分数？它是否被设计为与GridSearchCV一起使用？
浏览 1提问于2015-12-17得票数 0
GridsearchCV ()有一个参数cv，它的默认值是3，表示它是3倍。有没有办法将Gridsearch()与拒绝验证方案一起使用。例如80%-20%的拆分？
浏览 5提问于2018-02-24得票数 3
然后初始化gridsearchcv，并提到cv=3和scoring='roc_auc'
然后他适合gridsearchcv并使用eval_set和eval_metric='auc'
是否有更好的方法使用gridsearchcv进行超参数优化
浏览 12提问于2022-08-19得票数 0
回答已采纳
我和支持向量机一起使用OneVsRestClassifier。现在，我希望通过GridSearchCV来调优参数。我试过了
GridSearchCV(estimator=OneVsRestClassifier(svm.SVC(probability=True)), param_grid=dict(C=Cs),如何使用GridSearchCV进行OneVsRestClassifier？也许我该做个管道？然而，OneVsRestClassifier与支持向量机之间的关系似乎
浏览 2提问于2016-04-02得票数 7
1回答
我正在使用sklearn随机回归，例如。由于随机logistic回归采用L1-惩罚，因此需要设置正则化参数C(或Lasso中的α)。为了找到好的C值，我通常使用简单的GridSearchCV，如下所示。我可以通过这种方法得到C，但是当我
浏览 5提问于2015-12-25得票数 4
回答已采纳
我将GridSearchCV与keras一起使用，我想绘制和分析培训和验证历史。但是，我已经检查了文档并进行了真正的搜索，但是当使用GridSearchCV对模型进行拟合时，我无法找到获得验证历史的方法(即每个时代的分数)。我能够在回调中获得训练历史，但不能获得验证历史。我是这样使用GridSearchCV的： def on_train_en
浏览 6提问于2022-01-12得票数 1
回答已采纳
2回答
我有一个关于GridSearchCV的问题gs_clf = GridSearchCV(pipeline, parameters, n_jobs=-1, cv=6, scoring="f1")gs_clf = gs_clf.fit(corpus.data, corpus.target)
如果是这
浏览 1提问于2016-11-11得票数 7
回答已采纳
我试图将GridSearchCV与MLPRegressor一起使用，以适应输入和输出数据集之间的关系。GridSearchCV.predict()方法是使用交叉验证期间学到的最佳参数，还是需要手动创建一个新的MLPRegessor？MLP_gridCV = GridSearchCV(
estimator=MLPRegressor(verb
浏览 14提问于2022-06-01得票数 2
回答已采纳
对于每个数据集，我想训练一个支持向量机(用Python Learn)，在每种情况下，超参数都是使用GridSearchCV进行优化的。一些有序的数据集仍然需要分成训练数据和测试数据，这些数据在使用train_test_split之后将以混合的形式出现，据我所知，在使用GridSearchCV之前不必再次混合。其他有序的数据集已经分为训练数据和测试数据，因此我将直接应用GridSearchCV。现在我发现，如果我正确理解的话，StratifiedKFold不会在拆分成批之
浏览 0提问于2019-07-30得票数 2
Pipeline(steps)
modelwithpca = GridSearchCV(pipeline, param_grid= ,cv=cv)这是一个本地测试，我想要完成的是，二、只使用默认参数的高斯朴素贝叶斯三、使用StratifiedShuffleSplit
因此，最后，我希望将上述步骤转到另一
浏览 0提问于2017-07-07得票数 1
回答已采纳
那么，在使用GridSearchCV度量时，如何将其与log_loss一起使用呢？clf = SGDClassifier(loss='hinge')
grid_search = GridSearchCV
浏览 0提问于2019-04-28得票数 2
回答已采纳
1回答
因此，我使用GridSearchCV对超参数进行了调整，将模型与数据进行了拟合，然后使用了best_params_。我只是好奇为什么GridSearchCV运行best_params_所花费的时间太长，而不像RandomSearchCV那样会立即给出答案。GridSearchCV给出best_params_所需的时间类似于GridSearchCV优化超参数并将模型与数据相匹配所需的时间。当它已经这样做的时候，就好像它又在做一遍了。是这
浏览 0提问于2020-11-22得票数 0
回答已采纳
我正在使用scickit-learn调优一个模型的超参数。我使用管道将预处理与估计器链接在一起。我的问题的一个简单版本如下所示：from sklearn.model_selection import GridSearchCVfrom sklearn.linear_model import LogisticRegress
浏览 2提问于2017-04-12得票数 33
回答已采纳
虽然我理解潜在的好处，尤其是与GridSearchCV的结合，但我不知道为什么总是这样使用它(至少从我理解它的方式来看)：
浏览 1提问于2020-02-06得票数 0
我将CalibratedClassifierCV与RandomForest结合使用，并使用GridSearch确定最佳参数。然而，当我使用GridSearchCV读取最好的参数时，它说GridSearchCV对象没有属性'best_params_‘from sklea
浏览 0提问于2018-10-25得票数 1
回答已采纳
我想知道，在sklearn中的GridSearchCV方法中实现的默认交叉验证与与它一起使用的Kfold方法之间有什么不同，如下面的代码所示：clf = GridSearchCV(estimator=model, param_grid=parameters, cv=10, scoring='f1_macro')与科夫德：
浏览 0提问于2018-03-24得票数 0
回答已采纳
我想在GridSearchCV中定义一个新的得分，就像这里所说的。这是我的密码：def pe_score(estimator,x,y): pe=prob_error(z, y)grid = GridSearchCV
浏览 2提问于2017-11-20得票数 1
回答已采纳
云服务器
ICP备案
云直播
实时音视频
即时通信 IM
腾讯云开发者
