zoukankan      html  css  js  c++  java
  • Python机器学习:6.4 通过网格搜索调参

    机器学习算法中有两类参数:从训练集中学习到的参数,比如逻辑斯蒂回归中的权重参数,另一类是模型的超参数,也就是需要人工设定的参数,比如正则项系数或者决策树的深度。

    前一节,我们使用验证曲线来提高模型的性能,实际上就是找最优参数。这一节我们学习另一种常用的超参数寻优算法:网格搜索(grid search)。

    网格搜索听起来高大上,实际上简单的一笔,就是暴力搜索而已,我们事先为每个参数设定一组值,然后穷举各种参数组合,找到最好的那一组。

    Python机器学习:6.4 通过网格搜索调参

    GridSearchCV中param_grid参数是字典构成的列表。对于线性SVM,我们只评估参数C;对于RBF核SVM,我们评估C和gamma。

    最后, 我们通过best_parmas_得到最优参数组合。

    sklearn人性化的一点是,我们可以直接利用最优参数建模(best_estimator_):

    Python机器学习:6.4 通过网格搜索调参

    Note 网格搜索虽然不错,但是穷举过于耗时,sklearn中还实现了随机搜索,使用 RandomizedSearchCV类,随机采样出不同的参数组合。

    Python机器学习中文版目录(http://www.aibbt.com/a/20787.html)

    转载请注明出处,Python机器学习(http://www.aibbt.com/a/pythonmachinelearning/)

  • 相关阅读:
    JavaScript对象
    JavaScript基础
    MySQL总结
    前端的基础知识汇总
    反射,面对对象高阶
    django中的认证登陆与用户的创建
    django的cookie和session
    ajax的json包含于xml的区别
    django的分页系统
    django的orm简签
  • 原文地址:https://www.cnblogs.com/aibbtcom/p/8548486.html
Copyright © 2011-2022 走看看