网格搜索没有提供最佳参数
网格搜索是一种用于调优机器学习模型参数的方法。它通过遍历给定的参数组合，计算模型在每个参数组合上的性能，并选择性能最佳的参数组合作为最终的模型参数。
网格搜索的步骤如下：
- 定义参数空间：确定需要调优的参数及其可能的取值范围。
- 创建参数组合：根据参数空间中的参数及其取值范围，生成所有可能的参数组合。
- 构建模型：根据每个参数组合，构建相应的机器学习模型。
- 训练和评估模型：使用训练数据对每个模型进行训练，并使用验证数据评估模型性能。
- 选择最佳参数组合：根据模型性能，选择性能最佳的参数组合作为最终的模型参数。
网格搜索的优势在于它能够全面地搜索参数空间，找到性能最佳的参数组合。它适用于参数空间较小的情况，并且不需要对模型进行太多的先验知识。
网格搜索在机器学习领域有广泛的应用场景，例如支持向量机、决策树、随机森林等模型的参数调优。通过网格搜索，可以找到最佳的参数组合，提高模型的性能和泛化能力。
腾讯云提供了一系列与机器学习和数据分析相关的产品和服务，可以用于支持网格搜索的实施。其中，腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）提供了丰富的机器学习算法和模型训练、调优的功能，可以方便地进行网格搜索。此外，腾讯云还提供了云服务器、云数据库、云存储等基础设施服务，以及人工智能、物联网等领域的解决方案，为用户提供全面的云计算服务。
请注意，以上答案仅供参考，具体的产品和服务选择应根据实际需求和情况进行评估和决策。
相关·内容
当涉及到网格搜索和拟合最终模型时，我有点困惑。我分成两部分:训练和测试。测试集只用于最终评估。我只使用培训数据执行网格搜索。
假设一个人使用交叉验证对几个超参数进行了网格搜索。网格搜索给出了超参数的最佳组合。下一步是训练模型，这是我感到困惑的地方。我认为有两种可能性：
1)不要培养榜样。使用来自网格搜索的最佳模型的参数。
或
2)不要使用网格搜索中最优模型的参数。利用网格搜索中的最佳超参数组合，在全训练集上对模型进行训练。
什么是正确的方法，1或2？
浏览 2提问于2018-10-28得票数 4
回答已采纳
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
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
网格搜索是一种从我们指定的组合中为任何模型找到最佳参数的方法。我已经形成了一个网格搜索我的模型在下面的方式，并希望找到最好的参数识别使用这个网格搜索。
from sklearn.model_selection import GridSearchCV
# Create the parameter grid based on the results of random search
param_grid = {
'bootstrap': [True],'max_depth': [20,30,40, 100, 110],
'max_featu
浏览 0提问于2020-03-21得票数 17
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
2回答
我目前正在解决一个问题，该问题比较了三种不同的机器学习算法在相同数据集上的性能。我将数据集划分为70/30个训练/测试集，然后使用GridSearchCV和X_train, y_train对每个算法的最佳参数进行网格搜索。
第一个问题，我是应该在训练集上执行网格搜索，还是应该在整个数据集上执行网格搜索？
第二个问题，我知道GridSearchCV在其实现中使用了K-fold，如果我在GridSearchCV中比较的所有三种算法都使用相同的X_train, y_train，这是否意味着我执行了交叉验证？
任何答复都将不胜感激，谢谢。
浏览 6提问于2018-03-08得票数 22
回答已采纳
2回答
我想在星火中使用RandomSplits执行两个交叉验证过程，如
CV_global：将数据分割成90%的训练集和10%的测试集
1.1。CV_grid：对一半的培训集进行网格搜索，即45%的数据。
1.2。拟合模型：关于训练集(90%)使用CV_grid的最佳设置。
1.3 测试模型：关于测试集(10%)
报告每10倍的平均指标和全球指标。
问题是我只在整个训练集上找到了使用CV和网格搜索的例子。
如何从CV_grid中获得性能最好的模型的参数？
如何做简历没有网格搜索，但得到的统计数据每倍？例如
浏览 4提问于2015-10-29得票数 3
4回答
假设我有一个包含30个属性的数据集，所有这些属性对我的预测都至关重要，数据集包含500 K行。我想在网格中搜索XGB模型的最佳超参数。我怎样才能加快超参数搜索的时间，因为找到最佳参数需要很长时间。数据子集有用吗？
浏览 0提问于2022-06-29得票数 2
这是我的模型的网格选择步骤。我能够找出所选模型的最佳精度分数和最佳参数，但我想找出网格搜索中选择的最佳模型的精度、回忆性、特异性和F1评分。
from sklearn.model_selection import GridSearchCV
parameters = [{'n_estimators': [100, 200],
'max_features': ['auto', 'sqrt', None],
'max_depth': [10, 20, 30,
浏览 10提问于2022-03-08得票数 -1
我的教科书上说，k倍交叉验证是一种重采样技术，对于在数据差的情况下估计泛化误差很有用。
理想情况下，如果我们有足够的数据，我们会留出一个验证集，并使用它来评估我们的预测模型的性能。由于数据往往是稀缺的，这通常是不可能的。为了解决这个问题，K折叠交叉验证使用部分可用数据来拟合模型，另一部分则用于测试。(Hastie，“统计学习的要素”，第7.10节，第241页)
对于一个机器学习项目，我使用Scikit- learning的网格搜索cv方法为我的随机森林寻找最佳的超参数。Scikit学习文档准确地推荐这个：
这是可能的，并建议搜索超参数空间，以获得最佳交叉验证分数。..。提供了两种常用的参数搜索
浏览 0提问于2022-02-23得票数 2
1回答
在堆栈溢出的帮助下，我成功地实现了对决策树模型进行交叉验证的网格搜索。
dtc = DecisionTreeClassifier()
parameter_grid = {'splitter': ['best', 'random'],
'min_samples_split': [15, 16, 17, 18, 19,20, 21, 22, 23, 24, 25,],
'min_samples_leaf': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10,],
浏览 0提问于2018-10-25得票数 1
回答已采纳
2回答
我使用网格搜索为径向基支持向量机寻找最优参数C和伽马，下面的代码(代码主要取自)。这很好，但我有两个即将提出的问题：
1.鉴于我只有一个数据集可供处理--我如何处理C和伽马的最佳值？我是否将我的数据集分开，只使用一个部分来确定网格搜索的最佳参数C和γ，然后使用第二部分来预测这些参数的准确性？
2.鉴于我在为旧数据集找到最佳C和伽马之后又有了另一个数据集--为什么我应该对新数据集使用这些C和伽马，而不是对新数据集进行网格搜索，以找到其新的最优参数？
谢谢
%# read example data from libsvm
[labels,data] = libsvmread('./hear
浏览 4提问于2015-09-25得票数 0
回答已采纳
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
1回答
这个问题是由游戏迪斯科动物园激发的。
背景
迪斯科动物园是一种游戏，你可以到野外去拯救动物。一旦你找到了一只动物，你就可以把它放在动物园里，让游客看看。
要找到动物，你首先要选择一个字段来搜索，然后你就可以看到一个5x5的网格，这些动物躲在那里。在屏幕的顶部，你可以看到哪些动物躲在田野里。
每种动物都有不同的模式，对同一种动物来说，这种模式永远不会改变。例如(X是模式，o是填充)
Animal=Sheep Animal=Unicorn
Pattern: Pattern:
XXXX Xoo
oXX
有些动物使用2
浏览 0提问于2014-06-19得票数 7
回答已采纳
1回答
最优搜索路径策略
、、、
我正试图确定以下问题的最佳搜索策略。
为了定位不明位置的物体，我必须搜索光栅。
如果没有关于对象位置的进一步信息，我假设可以使用TSP解决搜索该对象的最佳路径。在这种情况下，对象在某个网格中运行的概率为1/#numberOfGrids (图1)
与这种“简单”设置相反，我现在假设我们了解对象在某个网格中运行的概率(图2)。
从栅格上的任意点开始，一旦找到对象或搜索所有网格之后，搜索过程就会停止。有谁知道解决这些问题的算法吗？
浏览 1提问于2016-06-02得票数 0
回答已采纳
我有一个web应用程序，它允许用户根据某些条件进行搜索，选择一个对象，对其进行编辑，然后返回到前一个搜索。所有的编辑都在一个单独的页面上进行，该页面链接到返回结果的数据网格。我想知道存储以前的搜索参数的最好方法是什么，以便当它们返回到网格时，它们可以使用以前使用的相同搜索。我想出的最佳选择是使用每个选定参数的NameValue集合，并在用户按下搜索按钮时将其存储到会话或cookie。有没有其他更好的方法来解决这个问题？
浏览 0提问于2008-10-31得票数 0
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。
我计划使用包装方法来选择重要的特性。
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，我们使用具有上述重要特性的建模方法(使用包装方法)来使用最佳的超参数？
( c)期望( a)和( b)的最佳超参数应该相同，这是否正常？因为两者都在试图解决同一个目标(例如，最好的f1得分)。
我不确定，但觉得做网格搜索，为特征选择和模型构建分别寻找最佳的超级参数，似乎是一个过头。
能告诉
浏览 0提问于2022-02-22得票数 0
回答已采纳
我有一个简单的应用程序，比如电影样例。在list.aspx页面中，我有一个网格，该网格包含来自数据库的信息。我可以通过搜索条件填充网格。
例如，我选择product.cost < 60，I commit。网格中充满了产品，其中产品cost<60。
在我点击details从结果集中查看一个产品的详细信息之后。在我点击返回列表(html.ActionLink("Back to list", "Index")之后。就在这一刻，产生了我的问题。因为，将会展示所有的产品。
保存以前的搜索条件的最佳方法是什么？(当我点击“返回列表”时，我需要以前保存的搜索条件)
浏览 8提问于2010-01-17得票数 1
回答已采纳
在运行超参数搜索并从网格中提取最佳模型之后，是否可以使用模型对象对新的数据集进行训练？我现在看到的唯一方法是用来自最佳模型的参数手动创建对train函数(例如h2o.gbm())的调用，但这非常麻烦。
浏览 3提问于2018-01-07得票数 1
回答已采纳
在Winform应用程序中，我希望使用单个后台工作者(或者每个窗体可以有一个后台工作者)在不同事件上执行不同的任务。例如:搜索，在网格中加载数据，打开新表单，发送电子邮件，文件传输等。
如何在backgroundWorker_DoWork()和backgroundWorker_RunWorkerCompleted()事件中管理所有这些内容？
执行此操作的最佳方式/最佳实践是什么？
浏览 1提问于2010-09-28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
我有这样的流水线估计器：
text_clf = Pipeline([
('tfidf', TfidfVectorizer(max_df=0.95, min_df=2, max_features=n_features, stop_words='english')),
('clf', SGDClassifier(loss='hinge', penalty='l2', alpha=1e-3, random_state=random_state, max_iter=5, tol=None)),
])
tex
浏览 0提问于2020-11-01得票数 0
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
当我进行参数选择时，做网格搜索总是需要多个选择。例如，我想检查随机森林树的NumOfTrees和MaxDepth，如果我在第一个参数中有M1选项，而在第二个参数中有M2选项，它将搜索M1*M2的可能性。
因此，如果数据集很大，那么在整个数据集上进行参数搜索是很昂贵的。
我的问题是，我是否可以使用一个较小的数据集(比如180天的总数据集，但30天的较小的数据集)来进行参数搜索，并将所选的参数视为最佳的数据集？如果没有，他们之间有多大的区别？谢谢。
浏览 1提问于2016-10-19得票数 0
回答已采纳
2回答
我正在使用R中的catboost包设置网格搜索。遵循catboost文档()，可以使用R中的3个单独的命令执行超参数调优的网格搜索。
fit_control <- trainControl(method = "cv", number = 4, classProbs = TRUE)
grid <- expand.grid(depth = c(7,8,9,10), learning_rate = c(0.1,0.2,0.3,0.4), iterations = c(10,100,1000))
report <- train(df.scale, as.factor(
浏览 15提问于2020-03-31得票数 0
2回答
机器学习网格搜索
、、、、
我在做一个项目，在那里我需要计算网格搜索返回的最佳估值器。
parameters = {'gamma':[0.1, 0.5, 1, 10, 100], 'C':[1, 5, 10, 100, 1000]}
# TODO: Initialize the classifier
svr = svm.SVC()
# TODO: Make an f1 scoring function using 'make_scorer'
f1_scorer = make_scorer(score_func)
# TODO: Perform grid search
浏览 6提问于2016-06-09得票数 1
回答已采纳
使用交叉验证来确定最佳参数似乎是相当标准的。当然，这通常是一个耗时的过程.有捷径吗？有没有其他更快的探索性分析形式可以提供一个提示哪些值是最好的？
例如，在我目前对机器学习和支持向量机( SVM )的理解中，我可能会执行这样的操作，比如在10e-5范围内执行初始网格搜索，以C为10的指数进行10e5搜索，然后从那里进行微调。但是有什么方法我可以快速估计出最好的C在10e3到10e5之间，然后执行更具体的搜索吗？
这个问题可能适用于大多数ML技术，但我现在正好在使用SVM。
浏览 2提问于2017-04-18得票数 0
回答已采纳
我正在使用H2O Python使用网格搜索构建一个随机森林模型。我在训练和验证中对数据进行分割，并使用k折叠交叉验证来选择网格搜索中的最佳模型。
我能够用训练集上最好的MSE检索模型，但我想检索验证集上具有最高AUC的模型。
我可以用Python编写所有代码，但我想知道是否有一种H2O方法来解决这个问题。对我怎么做有什么建议吗？
浏览 2提问于2016-10-23得票数 2
回答已采纳
1回答
我是新的科学工具包，有两个轻微的问题，结合一个数据规模和网格搜索。
有效定标器
考虑到交叉验证，我希望每次我们在K-1折叠上训练模型时，数据定标器(例如，使用preprocessing.StandardScaler() )只适合于K-1折叠，然后应用于其余的折叠。
我的印象是，下面的代码将适合于整个数据集上的定标器，因此，我想修改它，使其像前面所描述的那样运行：
classifier = svm.SVC(C=1)
clf = make_pipeline(preprocessing.StandardScaler(), classifier)
tuned_parameters
浏览 1提问于2015-12-03得票数 9
回答已采纳
1回答
我在libsvm中为ML使用了RBF内核。我正在探索我的数据集的其他内核。
对于特定的内核，有多个参数来优化每个参数。采用C and g参数进行网格搜索，选择成本和伽马的最佳组合。
-d degree : set degree in kernel function (default 3)
-g gamma : set gamma in kernel function (default 1/num_features)
-r coef0 : set coef0 in kernel function (default 0)
-c cost : set the parameter C of C-SVC
浏览 2提问于2016-02-06得票数 1
回答已采纳
4回答
模型优化时，采用交叉验证和网格搜索，分别绘制了不同学习速率、不同学习速度、不同日志丢失率和不同精度的模型图。
测井损失
当我在网格搜索中使用日志丢失作为分数来确定给定范围之外的最佳学习速率时，我得到了如下结果：
最佳学习比率：-0.474619
-0.674328 (0.000482)，加上:学习率: 0.0001
-0.583335 (0.003236)，加上:学习率: 0.001
-0.474619 (0.004336)，加上:学习率:0.474619
-0.494540 (0.008705)，加上:学习率: 0.1
精度
当我在网格搜索中使用准确性作为分数来识别给定范围之外的最佳学习率时
浏览 0提问于2018-10-17得票数 9
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
如果这个问题是针对python 库的，很抱歉。
我正在尝试执行网格搜索，以找到scikit learn的的最佳参数。问题是，我不知道从哪里开始。在过去，我使用过R和RStudio设置，但现在我正在尝试迁移到Python来进行数据挖掘，而Scikit看起来非常有前途。
有没有人可以分享一些他们可能用来在亚马逊EC2集群上计算的简单设置代码，或者可能为其他机器学习算法提供有用的库示例参考？
谢谢。
浏览 0提问于2012-10-31得票数 5
回答已采纳
我有100*100维的单词网格，这意味着字符重复自己，我想把我的单词网格放到一个hashmap中，以便更快地搜索。当键(字符)不在hashmap中时，我将它作为key添加到hashmap中，值是网格中字符的行和列(位置)，但是现在当有多个字符时，我该如何处理呢？例如，"a“已经在hashmap中，但在网格中的不同行和列位置中还有另一个"a”)，我想要添加它，我如何才能实现最佳性能？我绝对需要使用hashmap。
浏览 11提问于2019-11-01得票数 1
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
3回答
我是机器学习领域的新手。我的问题是:我已经建立了一个模型，我正在努力优化这样的模型。通过做一些研究，我发现交叉验证可以用来帮助我避免有一个过于合适的模型。此外，Gridsearchcv可以帮助我优化这类模型的参数，并最终确定最佳的参数。
现在，我的问题是，我应该先进行交叉验证，然后使用网格搜索来确定最佳参数，还是使用GridsearchCV执行交叉验证本身就足够了？
浏览 1提问于2020-02-13得票数 2
回答已采纳
4回答
我希望使用react创建表，该表应该具有以下功能
使用名称过滤器的搜索筛选器
使用状态的下拉滤波器
单击列标题时按升序和降序排序。
使表响应
您可以假设以下数据- var data = {name：'zz'，state：'ua'}，{name：'hhj'，state：'op'}
我搜索了下面的react表功能-
反应网格()
反应数据网格()
在看github的明星时，的反应似乎更好，更好，但是什么才是实现目标的最佳插件呢？
浏览 2提问于2017-09-11得票数 11
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最佳参数。
from sklearn.linear_model import LinearRegression
reg = LinearRegression()
parameters =
浏览 1提问于2019-12-26得票数 3
将加载一次设置为对jqgrid的假多次搜索后，它将不会加载搜索到的数据。它正在用所有数据重新加载网格。
浏览 2提问于2014-10-17得票数 0
我正在尝试在sklearn管道中缩放X特征数据和Y输出数据。我的代码如下所示，使用网格搜索通过交叉验证计算最佳LV数量。
kfold = KFold(n_splits = 5, shuffle = False) # Kfold
pipeline = Pipeline(steps = [('preprocessor',StandardScaler()),('model',PLSRegression()]) # Pipeline
param_grid = {'model__n_components':np.arange(1,10)} # param
浏览 1提问于2021-06-03得票数 0
1回答
我将预测变量放在下面的网格搜索中。据我所知，这个网格搜索选择了模型中应该使用的最佳变量，并丢弃了其他变量。但是，我不知道它是基于哪种算法/选择度量来选择最佳变量的。有人能告诉我它如何选择要保留的变量和要丢弃的变量吗？
职能：
grid.f <- h2o.grid(algorithm = "glm", # Setting algorithm type
grid_id = "grid.f"
浏览 0提问于2018-07-16得票数 0
2回答
只是想知道如何将参数分离成一个组，并将其传递给网格搜索？因为我想通过惩罚l1和L2到网格搜索和相应的求解程序牛顿-cg到l2。
但是，当我运行下面的代码时，网格搜索将首先使用牛顿-cg运行l1，并导致错误msg ValueError:求解器newton-cg只支持l2惩罚，得到l1惩罚。
谢谢
param_grid = [
{'penalty':['l1','l2'] ,
'solver' : ['newton-cg', 'lbfgs', 'liblinear', &#
浏览 2提问于2018-05-20得票数 3
回答已采纳
对于迭代估计器，迭代次数应该由的n_iter参数指定。
使用运行网格搜索最佳超参数允许您只为可以用estimator.set_params()设置的参数指定值范围。
因此，我想知道，如何运行网格搜索(以及其他)迭代次数？一个解决方案是修改估值器代码，以便在构造函数中和.set_params()中设置.set_params()，但出于某种原因，这是不推荐的，正如上面所解释的那样。
编辑：就是一个例子：
创建一个需要两个参数的估计器：
estimator = SomeEstimator(alpha=5, theta=0.001)
您可以用fit()方法对数据X和标号y进行拟合。此外，假设估计器运行
浏览 1提问于2017-10-10得票数 2
我正在为随机森林回归的训练和测试集进行时间序列拆分，并进行网格搜索，根据MSE找到最佳拆分数量：
ms_error = make_scorer(mean_squared_error)
def n_splits_checker(model, split):
scores = cross_val_score(model, X, y, cv=split, scoring=ms_error)
print("Split: {} \n".format(split))
print("Loss: {0:.3f} (+/- {1:.3f}) \n".for
浏览 0提问于2021-03-07得票数 1
我目前正在做一个项目，我希望用户能够在运行时选择两个布局(列表和网格)。我在UI5文档(示例应用程序)中搜索示例，而在GitHub上，我没有找到如何使用该示例或最佳实践示例的示例。所以我想到了如何实现这种行为，并有多种想法，但不知怎的，他们都不想这样做是最好的做法。
Idea 1-销毁“旧”控件并在Controller中生成新控件--我的第一个想法是销毁不再需要的控件。例如，如果用户希望切换到网格布局，列表和与其相关的每个控件都会被禁止。在控制器中，创建网格所需的控件，然后在视图中呈现。在我看来，这会混淆控制器内部的视图和控制器逻辑，而不是最佳实践。
Idea 2-创建两个视图并在它们之间切换
浏览 0提问于2019-06-20得票数 0
回答已采纳
2回答
我正在使用PagingToolbar来过滤我的结果搜索，我想每页显示20个结果，但在我的网格中仍然显示所有记录。
我的网格中的bbar
bbar: Ext.create('Ext.PagingToolbar',
store: store,
pageSize: 20,
displayInfo : true,
plugins: Ext.create('Ext.ux.ProgressBarPager', {})
}),
我的商店
Ext.define('Mystore', {
extend: 'Ext.data.Store',
mod
浏览 0提问于2012-10-11得票数 0
回答已采纳
我有一个页面，使用网格作为子网格的jqGrid。我的页面上也有jQuery UI滑块控件。当用户更改滑块时，我希望在字段上触发对与滑块后面的值相对应的子网格的搜索。
我一直在查看文档，试图找到实现此目的的最佳方法，但我发现文档非常令人困惑。它似乎也是为了对服务器进行另一个调用，因为我使用的是loadonce: true，所以我不想这样做。
我已经能够通过在子网格行上迭代并在不符合条件的行上调用hide()来解决这个问题，但这并不适用于分页。对子网格执行这种外部触发搜索的最佳方式是什么？
浏览 0提问于2012-02-10得票数 0
回答已采纳
1回答
在sklearn中，可以定义一个串行管道，以获得管道的所有连续部分的最佳超参数组合。串行管道可以实现如下：
from sklearn.svm import SVC
from sklearn import decomposition, datasets
from sklearn.pipeline import Pipeline
from sklearn.model_selection import GridSearchCV
digits = datasets.load_digits()
X_train = digits.data
y_train = digits.target
#Use Pr
浏览 0提问于2017-02-16得票数 6
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
