首页 文章

如何使用GridSearchCV获取每组参数的预测？

提问于
浏览 次
0

我正在尝试使用GridSearchCV找到NN回归模型的最佳参数，代码如下：

param_grid = dict(optimizer=optimizer, epochs=epochs, batch_size=batches, init=init
grid = GridSearchCV(estimator=model, param_grid=param_grid, scoring='neg_mean_squared_error')
grid_result = grid.fit(input_train, target_train)

pred = grid.predict(input_test)

据我了解， grid.predict(input_test) 使用最佳参数来预测给定的输入集 . 有没有办法使用测试集为每组参数评估GridSearchCV？

实际上，我的测试集包含一些特殊记录，我想测试模型的一般性和准确性 . 谢谢 .

python machine-learning neural-network regression grid-search

1 回答

  • 2

    您可以使用自定义迭代器替换 GridSearchCV 的标准3倍cv参数，从而生成连锁列车和测试数据帧的列车和测试索引 . 结果，虽然1倍交叉验证，您将在 input_train 对象上训练您的模型，并在 input_test 对象上测试您的拟合模型：

    def modified_cv(input_train_len, input_test_len):
    yield (np.array(range(input_train_len)), 
           np.array(range(input_train_len, input_train_len + input_test_len)))

input_train_len = len(input_train)
input_test_len = len(input_test)
data = np.concatenate((input_train, input_test), axis=0)
target = np.concatenate((target_train, target_test), axis=0)
grid = GridSearchCV(estimator=model, 
                    param_grid=param_grid,
                    cv=modified_cv(input_train_len, input_test_len), 
                    scoring='neg_mean_squared_error')
grid_result = grid.fit(data, target)

    通过访问 grid_result.cv_results_ 字典，您可以在测试集上查看指定模型参数的所有网格的度量值 .

    回复于

相关问题