1回答
我应该放在GridSearchCV中的X，Y是什么？我用来训练模型还是测试模型？当我发现使用错误的模型时，会导致模型的准确性得分很差；
浏览 15提问于2021-11-22得票数 0
回答已采纳
当我尝试绘制测试错误与训练错误时，以下代码出现了问题：
grid_search = GridSearchCV(estimator=xgb,n_jobs=1,param_grid=trees_grid
浏览 8提问于2020-02-09得票数 0
回答已采纳
1回答
我正在尝试使用管道和GridSearchCV将岭回归模型拟合到数据。ColumnTransformer(transformers=t)
#results_ridge2_r2 = grid_ridge2_r2.fit(X_train,y_train)
grid_rid
浏览 1提问于2021-12-02得票数 0
回答已采纳
为此，有一个GridSearchCV类，它迭代为模型指定的参数之间的每个组合，对数据进行训练并执行交叉验证。然后，将具有最佳参数的模型存储在.best_estimator_属性中。用GridSearchCV搜索命名变量。import pandas as pdfrom sklearn.model_selection import GridSearchCVmax_depth': range(1, 10), 'min_sample
浏览 1提问于2022-01-11得票数 0
回答已采纳
1回答
我用RandomForestClassifier和GridSearchCV计算了平均绝对误差。然而，在使用测试集生成预测时，它给了我一个可疑的MAE为0.000000，得分为1.0分。':[50,100,150,200],}
gc = GridSearchCV
浏览 0提问于2020-03-29得票数 1
回答已采纳
2回答
] param_grid = dict(batch_size=batch_size, epochs=epochs)
grid = GridSearchCV
浏览 21提问于2018-08-09得票数 1
1回答
我的问题的上下文：
我正在使用GridSearchCV在mt随机森林回归器中执行超参数调优。为了减轻过度适应，我发现也许我应该使用修剪技术。我应该包括在GridSearchCV之前还是之后？考虑到每次我执行GridSearchCV时模型的结构都会发生变化.你们有什么推荐信吗？文章？
浏览 2提问于2020-08-13得票数 0
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(
浏览 14提问于2022-06-01得票数 2
回答已采纳
1回答
我想得到我的MLP分类器的最佳参数，以获得一个更好的预测，所以我遵循了这个问题的答案，即使用gridsearchCV从学习。
浏览 0提问于2019-07-14得票数 1
回答已采纳
对于这两种模型，我都使用GridSearchCV进行超参数调优。my_df.loc[ :, variables['sig']]在完成这个分段之后，在声明了列车测试拆分之后，我将使用GridSearchCVobjectGridSearchCV(estimator = random_forest_sig_tuned,换句话说，在我的GridSe
浏览 2提问于2020-05-12得票数 0
假设我想使用sklearns GridSearchCV来适应随机森林、RFC和网格搜索。
浏览 17提问于2019-11-14得票数 0
1回答
我用CatBoostRegressor创建了一个模型。我的数据集是74274行×24列.我正在使用编码和最小最大标度.model = CatBoostRegressor(n_estimators=3000，verbose=False)model = CatBoostRegressor(n_estimator
浏览 6提问于2022-09-13得票数 0
1回答
preprocessing.StandardScaler(), classifier)my_grid_search = GridSearchCV有什么方法可以直接从GridSearchCV检索它吗？
浏览 1提问于2015-12-03得票数 9
回答已采纳
2回答
这会导致过度适应吗？如果是这样的话，由于我无法比较model_selection.GridSearchCV内部的几种模型，我如何才能防止它过度适应呢？
浏览 0提问于2019-04-21得票数 3
回答已采纳
是否可以在不分割数据的情况下使用sklearn.model_selection.GridSearchCV？换句话说，我想运行Grid搜索，并在传递给管道的完整数据集上获得分数。顺便说一句，KMeans接受一个“空”y值，这个值简单地通过，可以在GridSearchCV记分器中使用。我感兴趣的上述示例的解决方案是如何不分割GridSearchCV中的数据。
是否可以在不分割数据的情况下使用sklearn.model_selection.GridSearchCV？
浏览 3提问于2020-02-19得票数 1
我得到了一个使用SGDClassifier()和GridSearchCV()来完成这个任务的建议，但是在SGDClassifier中只提供正则化参数alpha。
浏览 4提问于2016-01-01得票数 3
回答已采纳
我使用Keras模型中的GridSearchCV和sklearn as在中调整超参数epochs = [10, 50, 100]grid = GridSearchCVbatch_size = [15, 20, 25, 30, 35, 40]
param_grid = dict(batch_size=batc
浏览 1提问于2018-05-29得票数 1
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
所以我正在用RandomForest和GridsearchCV做一些参数方面的事情。这是我的代码。#Import 'GridSearchCV' and 'make_scorer'from sklearn.metricsparameters list you wish to tune
#Initializ
浏览 4提问于2017-07-31得票数 0
云服务器
对象存储
ICP备案
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号