如何在python中使用交叉验证执行GridSearchCV

EmJ 发表于 Dev

电子杂志

我正在使用执行超参数调整，RandomForest如下所示GridSearchCV。

X = np.array(df[features]) #all features
y = np.array(df['gold_standard']) #labels

x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

param_grid = { 
    'n_estimators': [200, 500],
    'max_features': ['auto', 'sqrt', 'log2'],
    'max_depth' : [4,5,6,7,8],
    'criterion' :['gini', 'entropy']
}
CV_rfc = GridSearchCV(estimator=rfc, param_grid=param_grid, cv= 5)
CV_rfc.fit(x_train, y_train)
print(CV_rfc.best_params_)

我得到的结果如下。

{'criterion': 'gini', 'max_depth': 6, 'max_features': 'auto', 'n_estimators': 200}

之后，我将调整后的参数重新应用x_test如下。

rfc=RandomForestClassifier(random_state=42, criterion ='gini', max_depth= 6, max_features = 'auto', n_estimators = 200, class_weight = 'balanced')
rfc.fit(x_train, y_train)
pred=rfc.predict(x_test)
print(precision_recall_fscore_support(y_test,pred))
print(roc_auc_score(y_test,pred))

不过，我还是不清楚如何使用GridSearchCV与10-fold cross validation（即不仅适用调谐参数x_test）。即像下面的东西。

kf = StratifiedKFold(n_splits=10)
for fold, (train_index, test_index) in enumerate(kf.split(X, y), 1):
    X_train = X[train_index]
    y_train = y[train_index]
    X_test = X[test_index]
    y_test = y[test_index]

要么

因为GridSearchCV使用crossvalidation我们可以使用所有X和y并获得最好的结果作为最终结果？

如果需要，我很乐意提供更多详细信息。

gmds

在这种情况下，您不应执行网格搜索。

在内部，GridSearchCV将分配给它的数据集分为多个训练和验证子集，然后使用提供给它的超参数网格，找到在验证子集上给出最佳分数的单个超参数集。

列车测试分割的点，然后，这个过程完成后，进行一个测试数据，它迄今未知的模型最终的得分，看看你的超参数已经过拟合来验证的子集。如果运行良好，则下一步是将模型投入生产/部署。

如果在交叉验证中执行网格搜索，则将有多组超参数，每组超参数在交叉验证拆分的其网格搜索验证子子集上表现最佳。您无法将这些集合组合为单个一致的超参数规范，因此无法部署模型。

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。