GridSearchCV参数详解

谁借莪１个温暖的怀抱￠ 2023-06-10 07:24 41阅读 0赞

**`GridSearchCV`(*estimator*, *param\_grid*, *scoring=None*, *fit\_params=None*, *n\_jobs=1*, *iid=True*, *refit=True*, *cv=None*, *verbose=0*, *pre\_dispatch='2\*n\_jobs'*, *error\_score='raise'*, *return\_train\_score=True*)**

**Parameters：**

**estimator**：所使用的分类器，或者pipeline

**param\_grid**：值为字典或者列表，即需要最优化的参数的取值

**scoring**：准确度评价标准，默认None,这时需要使用score函数；或者如scoring='roc\_auc'，根据所选模型不同，评价准则不同。字符串（函数名），或是可调用对象，需要其函数签名形如：scorer(estimator, X, y)；如果是None，则使用estimator的误差估计函数。scoring 参数可以设置为什么可以参考这篇博文：[https://blog.csdn.net/qq\_41076797/article/details/102755893][https_blog.csdn.net_qq_41076797_article_details_102755893]

**n\_jobs**：并行数，int：个数,-1：跟CPU核数一致, 1:默认值。

**pre\_dispatch**：指定总共分发的并行任务数。当n\_jobs大于1时，数据将在每个运行点进行复制，这可能导致OOM，而设置pre\_dispatch参数，则可以预先划分总共的job数量，使数据最多被复制pre\_dispatch次

**iid**：默认True,为True时，默认为各个样本fold概率分布一致，误差估计为所有样本之和，而非各个fold的平均。

**cv**：交叉验证参数，默认None，使用三折交叉验证。指定fold数量，默认为3，也可以是yield训练/测试数据的生成器。

**refit**：默认为True,程序将会以交叉验证训练集得到的最佳参数，重新对所有可用的训练集与开发集进行，作为最终用于性能评估的最佳模型参数。即在搜索参数结束后，用最佳参数结果再次fit一遍全部数据集。

**verbose**：日志冗长度，int：冗长度，0：不输出训练过程，1：偶尔输出，>1：对每个子模型都输出。

**Attributes：**  
　　**best\_estimator\_**：效果最好的分类器

**best\_score\_**：成员提供优化过程期间观察到的最好的评分

**best\_params\_**：描述了已取得最佳结果的参数的组合

**best\_index\_**：对应于最佳候选参数设置的索引(cv\_results\_数组的索引)。

**Methods：**

**decision\_function**:使用找到的参数最好的分类器调用decision\_function。