Sklearn-GridSearchCV网格搜索

旧城等待， 2022-06-01 07:47 188阅读 0赞

GridSearchCV，它存在的意义就是自动调参，只要把参数输进去，就能给出最优化的结果和参数。但是这个方法适合于小数据集，一旦数据的量级上去了，很难得出结果。这个时候就是需要动脑筋了。数据量比较大的时候可以使用一个快速调优的方法——坐标下降。它其实是一种贪心算法：拿当前对模型影响最大的参数调优，直到最优化；再拿下一个影响最大的参数调优，如此下去，直到所有的参数调整完毕。这个方法的缺点就是可能会调到局部最优而不是全局最优，但是省时间省力，巨大的优势面前，还是试一试吧，后续可以再拿bagging再优化。

回到sklearn里面的GridSearchCV，GridSearchCV用于系统地遍历多种参数组合，通过交叉验证确定最佳效果参数。

GridSearchCV的sklearn官方网址：[http://scikit-learn.org/stable/modules/generated/sklearn.model\_selection.GridSearchCV.html\#sklearn.model\_selection.GridSearchCV][http_scikit-learn.org_stable_modules_generated_sklearn.model_selection.GridSearchCV.html_sklearn.model_selection.GridSearchCV]

classsklearn.model\_selection.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*)

1.  常用参数解读

**estimator**：所使用的分类器，如estimator=RandomForestClassifier(min\_samples\_split=100,min\_samples\_leaf=20,max\_depth=8,max\_features='sqrt',random\_state=10), 并且传入除需要确定最佳的参数之外的其他参数。每一个分类器都需要一个scoring参数，或者score方法。

**param\_grid：**值为字典或者列表，即需要最优化的参数的取值，param\_grid =param\_test1，param\_test1 = \{'n\_estimators':range(10,71,10)\}。

**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。

**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。

**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。

**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。

**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

1.  进行预测的常用方法和属性

**grid.fit()**：运行网格搜索

**grid\_scores\_**：给出不同参数情况下的评价结果

**best\_params\_**：描述了已取得最佳结果的参数的组合

**best\_score\_**：成员提供优化过程期间观察到的最好的评分

1.  网格搜索实例

**\[python\]**  [view plain][]  [copy][view plain]

1.  param\_test1 =\{ 'n\_estimators':range(10,71,10)\}  
2.  gsearch1= GridSearchCV(estimator =RandomForestClassifier(min\_samples\_split=100,  
3.                                   min\_samples\_leaf=20,max\_depth=       8,max\_features='sqrt',random\_state=10),   
4.                         param\_grid =param\_test1,scoring='roc\_auc',cv=5)  
5.  gsearch1.fit(X,y)  
6.  gsearch1.grid\_scores\_, gsearch1.best\_params\_, gsearch1.best\_score\_

输出结果如下：

(\[mean: 0.80681, std:0.02236, params: \{'n\_estimators': 10\},

mean: 0.81600, std: 0.03275, params:\{'n\_estimators': 20\},

mean: 0.81818, std: 0.03136, params:\{'n\_estimators': 30\},

mean: 0.81838, std: 0.03118, params:\{'n\_estimators': 40\},

mean: 0.82034, std: 0.03001, params:\{'n\_estimators': 50\},

mean: 0.82113, std: 0.02966, params:\{'n\_estimators': 60\},

mean: 0.81992, std: 0.02836, params:\{'n\_estimators': 70\}\],

\{'n\_estimators': 60\},

0.8211334476626017)

如果有transform,使用[Pipeline][]简化系统搭建流程，将transform与分类器串联起来（Pipelineof transforms with a final estimator）

**\[python\]**  [view plain][]  [copy][view plain]

1.  pipeline= Pipeline(\[("features", combined\_features), ("svm", svm)\])  
2.  param\_grid= dict(features\_\_pca\_\_n\_components=\[1, 2, 3\],  
3.                    features\_\_univ\_select\_\_k=\[1,2\],  
4.                    svm\_\_C=\[0.1, 1, 10\])  
5.     
6.  grid\_search= GridSearchCV(pipeline, param\_grid=param\_grid, verbose=10)  
7.  grid\_search.fit(X,y)  
8.  print(grid\_search.best\_estimator\_)  
9.

[http_scikit-learn.org_stable_modules_generated_sklearn.model_selection.GridSearchCV.html_sklearn.model_selection.GridSearchCV]: http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html#sklearn.model_selection.GridSearchCV
[view plain]: http://blog.csdn.net/CherDW/article/details/54970366#
[Pipeline]: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline