GridSearchCV是否总是提高分类或回归模型的模型精度？
GridSearchCV是否总是提高分类或回归模型的模型精度？
提问于 2021-03-24 01:12:20
我使用GridSearchCV来获得MLPClassifier的优化超参数(例如学习速率、隐层大小、激活)。但是对于一些数据集，虽然我将该参数应用到模型中，但分类精度并没有得到提高。例如，包含学习速率= a、隐层大小=b的datasets1精度比包含学习速率= c、隐层大小= d、从GridSearchCV获得的优化超参数的精度要低。
所以，我搞不懂为什么会发生这种现象。
回答 1
Stack Overflow用户
发布于 2022-03-15 18:47:34
不，网格搜索器不必总是提高模型的性能。这取决于您为模型和基础数据选择的超参数范围。
在某些情况下，默认参数本身将是最好的，因此进一步调优的最佳方法是在默认范围内设置超参数。如果这两种方法都不起作用，您必须查看数据和预处理步骤才能解决问题。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/66773417
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号