我正在尝试使用Grid Search CV为我的Logistic回归估计器找到一组最好的超参数，并使用管道构建模型： 我的问题是，当尝试使用通过grid_search.best_params_获得的最佳参数来构建Logistic回归模型时，精度与我通过 grid_search.best_score_ 以下是我的代码 x=tweet["cleaned&q
浏览 132提问于2019-03-03得票数 2
我正在尝试使用n_neighbors为KnearestClassifier找到优化的GridSearchCV值。我能够得到优化的参数，但是当我在分类器中输入这些参数时，结果与GridSearchCVs的最佳结果不匹配。n_neighbors':[1,10,15,20,25,30,35,40,45,50,60,70,80,90,100], 'weights':['uniform',
浏览 0提问于2017-03-25得票数 1
回答已采纳
我正在尝试使用GridSearchCV对一些机器学习模型进行二进制分类。我想从得分、最佳参数和f2得分方面对模型进行分类。对于分数和最佳参数，我使用以下代码 clf = GridSearchCV(mpclf.best_params_
df = pd.DataFrame(s
浏览 1提问于2021-04-18得票数 1
当面对大型数据集时，我需要用一天的时间使用GridSearchCV()来训练具有最佳参数的支持向量机。如何保存最佳估计器，以便在下次启动时直接使用这个经过训练的估计器？
浏览 5提问于2022-02-16得票数 2
回答已采纳
2回答
我使用GridSearchCV来识别最优参数，但我不确定如何实际使用最优参数，即在下面的代码中，在第三行中，我的结果在更改第一行后不会改变(例如，如果我更改参数空间，或者用精度替换回忆等等)。cv = GridSearchCV(pipeline, parameters, cv=len(range(2014,2019)), scoring='recall', refit=True)y_pred = cross
浏览 0提问于2019-04-08得票数 3
回答已采纳
1回答
我以前用GridSearchCV(...scoring=“准确性”.)分类模型。现在，我将使用GridSearchCV作为回归模型，并使用自己的错误函数设置评分。score = np.sqrt(mean_square_distance)
SVR_best = gsSVR.best_estimat
浏览 5提问于2018-12-01得票数 4
回答已采纳
我正在运行GridSearch CV来优化scikit中分类器的参数。完成后，我想知道哪些参数被选为最佳参数。每当我这样做的时候，我都会得到一个AttributeError: 'RandomForestClassifier' object has no attribute 'best_estimator_'，但我不知道为什么，因为它似乎是上的一个合法属性。from sklearn.grid_search import Gr
浏览 1提问于2015-05-07得票数 51
回答已采纳
我使用的是GridSearchCV类，这个类的属性best_score_被定义为“best_estimator的平均交叉验证分数”。
有了这个类，我还可以使用得分计算测试集的分数。现在，我理解了这两个值之间的理论差异(一个是在交叉验证中计算的，另一个是在测试集上计算的)，但是我应该如何解释它们呢？例如，如果在第1种情况中，我得到了这些值(分别作为best_score_和测试集上的分
浏览 0提问于2020-07-17得票数 3
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
我有一个重复的过程，将建立一个模型每周根据前一周的数据。因此，在开发过程中，我尝试了GridSearchCV和交叉验证，以找到最佳的超参数并验证我的模型。这个流程是每次我构建模型时都需要的，还是开发时最好的超参数可以不用每隔一次检查一次。
浏览 0提问于2021-06-22得票数 0
回答已采纳
1回答
这是我使用非线性支持向量机进行数字分类的代码。我采用交叉验证方案来选择超参数c和gamma。但是，GridSearch返回的模型没有一个n_support_属性来获取支持向量的数量。import datasetsfrom sklearn.grid_search import GridSearchCV[1, 10, 50, 100, 1000]},
浏览 2提问于2016-02-19得票数 1
回答已采纳
2回答
我试图使用GridSearchCV来优化一条管道，该管道在开始时进行特征选择，最后使用KNN进行分类。我使用我的数据集对模型进行了拟合，但是当我看到GridSearchCV找到的最佳参数时，它只给出了SelectKBest的最佳参数。我不知道为什么它没有显示出KNN的最佳参数。
这是我
浏览 10提问于2022-07-27得票数 1
回答已采纳
我正在处理一个有监督的学习问题，并试图预测一个二进制标签，并使用随机森林进行预测。
我试着调整我的超参数，根据我的数据给我一个最好的模型。我可以用GridSearchCV()来做这件事，但是对于随机森林来说，这是正确的吗？如果我使用的是GridSearchCV()，那么训练集和测试集就会随每个折叠而变化。根据我的理解，我们可以在oob_true = True中设置RandomFor
浏览 0提问于2020-06-19得票数 0
我正在对文本数据(大约4000篇新闻文章)进行主题建模。为此，我使用Sklearn LDA模型。在执行此操作时，我使用GridSearchCV来选择最佳模型。然而，在几乎所有的情况下，GridSearchCV都建议使用最少的主题作为最佳模型。(lda, param_grid=search_params)
model.fit(data_vectorized)
建议的<
浏览 0提问于2020-03-18得票数 0
1回答
我有一个158行和10列的数据集。我试图建立多元线性回归模型，并试图预测未来的价值。def GridSearch(data):
浏览 0提问于2015-05-25得票数 7
回答已采纳
1回答
我正在使用不同的算法对977行进行二进制分类。正如您可能知道的，包装方法涉及使用ML模型来找到最佳的特性子集。因此，我的问题如下
( a)即使在使用ML模型进行特征选择时，我也应该使用最佳的超参数吗？如果是，为什么？( b)如果上述问题没有，那么我是否正确地认识到，我们使用</em
浏览 0提问于2022-02-22得票数 0
回答已采纳
1回答
我正在做线性回归建模，我使用网格搜索来选择最佳参数。下面是我为这项工作遵循的步骤，但我得到了错误(ValueError:用于估值器LinearRegression(copy_X=True、fit_intercept=True、n_jobs=None、normalize=False)的无效参数alpha )。)使用estimator.get_params().keys()检查可用参数列表。)请帮助我为我的模型选择<em
浏览 1提问于2019-12-26得票数 3
= 0.2, random_state = 42)gcv = GridSearchCV(pipe但是当我在训练数据上修改最好的分类器，然后运行测试时，它会给出合理的分数。
我的<
浏览 5提问于2017-02-21得票数 6
回答已采纳
1回答
最大限度地提高深度学习的精度
、、、、
对于一些二值图像分类问题，具有接近100%的分类精度是非常重要的，而回忆则不那么重要。还有其他推荐的方法吗？
浏览 0提问于2019-04-12得票数 1
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
腾讯会议
云直播活动推荐
腾讯云开发者
