码迷,mamicode.com
首页 > 其他好文 > 详细

GridSearchCV

时间:2018-07-06 01:47:23      阅读:357      评论:0      收藏:0      [点我收藏+]

标签:技术分享   gis   amp   调用   概率   分类器   并行任务   全局最优   range   

GridSearchCV 简介:

  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。

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。scoring参数选择如下:

参考地址:http://scikit-learn.org/stable/modules/model_evaluation.html

技术分享图片

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。

 

常用方法:

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

 

使用案例:

param_test1 = { max_depth:list(range(3,10,1))
               ,min_child_weight:list(range(1,6,2))
              }
gsearch1 = GridSearchCV(
    estimator = XGBClassifier(
                                silent=1 ,#设置成1则没有运行信息输出,最好是设置为0.是否在运行升级时打印消息。
                                learning_rate= 0.1,# 如同学习率
#                                 max_depth=4,# 构建树的深度,越大越容易过拟合
                                colsample_bytree=1, # 生成树时进行的列采样
                                reg_lambda=4,  # 控制模型复杂度的权重值的L2正则化项参数,参数越大,模型越不容易过拟合。
                                objective= binary:logistic, #多分类的问题 指定学习任务和相应的学习目标
                                n_estimators=70, # 树的个数
                                ),
                       param_grid = param_test1, scoring=roc_auc, iid=False, cv=5)
gsearch1.fit(X,y)
gsearch1.grid_scores_, gsearch1.best_params_, gsearch1.best_score_

 

GridSearchCV

标签:技术分享   gis   amp   调用   概率   分类器   并行任务   全局最优   range   

原文地址:https://www.cnblogs.com/callyblog/p/9270888.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!