有没有一种简单的/预先存在的方法来在scikit-learn中执行网格搜索，然后自动返回前k个性能最好的模型或自动平均它们的输出？我打算尝试以这种方式减少过度拟合。我还没有找到任何与此相关的东西。编辑:为了澄清，我知道sklearn的GridSearch，我正在寻找一个选项来执行网格搜索，然后返回前k个表现最好的模型或它们的平均值，而不仅仅是返回最好的单一模型</
浏览 8提问于2017-12-13得票数 3
回答已采纳
我在实践中理解交叉验证，但我不确定SciKit的GridSearchCV如何使用它来生成模型的总体分数/度量。例如，如果我做了一个多度量评估，交叉验证步骤是否采用了拆分的k模型中的每个度量的平均值？我试着在文档这里中查找这一点，甚至在SciKit-Learn的_search模块中搜索，但我仍然找不到确切的答案。
浏览 0提问于2023-01-07得票数 0
这是创建模型的代码：NUM_TOPICS = 4ldamodel.save('model5.gensim')print(topics)
这是GridSearchCVn_components': [4, 6, 8, 10, 20], 'learning_dec
浏览 4提问于2020-03-09得票数 1
回答已采纳
我尝试重新安装scikit-learn和anaconda，但仍然不起作用。
浏览 0提问于2016-11-16得票数 9
回答已采纳
1回答
我试着比较三种模型：SVM、RandomForest和LogisticRegression。我有一个不平衡的数据集。首先，我将其拆分为80% - 20%的比率来训练和测试集合。接下来，我只在火车上使用了StratifiedKfold。我现在尝试做的是拟合模型并选择最好的模型。此外，我还想对每个模型使用网格搜索，以找到最佳参数。到目前为止，我的代码是下一个 X_train, X_test, y_train, y_tes
浏览 36提问于2021-01-30得票数 0
回答已采纳
1回答
带有验证集的超参数调优
、、、
据我所知，如果我错了，请纠正我，当我有一个庞大的数据集时，使用交叉验证进行超参数调优是不可取的。因此，在这种情况下，最好将数据拆分到培训、验证和测试集中；然后使用验证集执行超参数调优。在我正在编程的情况下，我想使用scikit，酵母数据集可以在：http://archive.ics.uci.edu/ml/datasets/yeast上获得；例如，调优历元数。首先，根据我在这里看到的一个答案，我两次<em
浏览 0提问于2019-09-21得票数 1
1回答
我正在使用健康数据集。我想和boosting,SVM or Neural Nets一起去。
浏览 5提问于2020-02-15得票数 1
我想在gridSearchCV的得分函数中使用inertia_，它是K-means：https://scikit-learn.org/stable/modules/classes.html#module-sklearn.cluster中的属性。我尝试使用make_scorer :https://scikit-learn.org/stable/mo
浏览 271提问于2019-05-15得票数 1
我在64位的Windows864位系统上运行带有ipython的python 2.7，该系统有4个内核。当拟合scikit-learn模型时，CPU使用率为50%，python和Chrome的CPU使用率分别为25%和25%。
为什么chrome占用的CPU资源与python一样多？是否有多线程版本的scikit-learn模型拟合函数，以便利用多核可以像设置变量一样简单？比如..。grid_search = <em
浏览 1提问于2013-05-02得票数 9
在训练数据集上交叉验证超参数网格后，SparkML的CrossValidator是否重新适合整个训练数据集？如果不是，它会从交叉验证的哪一部分中选择用于推断的bestModel？为此，CrossValidator是否使用最佳超参数在整个训练/交叉验证数据集上重新训练，并使用重新拟合的模型进行推理？我之所以这样问，是因为SparkML CrossValidator和scikit-learn的GridSearchCV在表面上有相
浏览 22提问于2021-03-23得票数 0
我想使用随机搜索算法，而不是使用scikit-learn的网格搜索。但我只能在文档中找到GridSearchCV估计器。在scikit-learn中可以使用随机搜索而不是网格搜索吗？
浏览 0提问于2013-03-07得票数 6
回答已采纳
不用使用xgboost.cv()，我可以使用XGBoost的雪橇与GridSearchCV()、RandomizedGridCV或cross_validate()一起使用sklearn执行交叉验证。如果我使用交叉验证的sklearn实现，我可以使用pandas.DataFrame的S和熟悉的sklearn函数/类。我有两个问题：
直接使用XGBoost执行交叉验证和使用sklearn进行交叉验证有什么重要的区别吗？xgboo
浏览 0提问于2022-12-28得票数 0
使用Scikit-learn的GridSearchCV，如果GridSearchCV给出了几个1级的估计量，那么它会选择哪一个作为best_estimator_的最佳估计量？它会选择出现在cv_results_中的列表中的第一个估计量吗？在此之前，非常感谢您。
浏览 2提问于2020-06-01得票数 1
回答已采纳
1回答
我正在尝试实现一个Python自定义类，用于通过Isolation Forest算法检测和删除异常值。我的计划是在GridSearchCV中使用它进行神经网络的超参数调优(回归)。
浏览 0提问于2021-02-22得票数 0
我想通过使用GridSearchCV (Scikit-Learn)和数据增强(来自Keras的ImageDataGenerator)来优化CNN体系结构的一些超参数。然而，GridSearchCV只提供fit函数，而不提供fit_generator函数。是否建议在GridSearchCV中使用数据增强？ImageDataGenerator的参数已经固定，不应更改。首先通过网格搜索确定超参数，而不增加数据，而只对最终模型使用</
浏览 0提问于2019-12-28得票数 6
回答已采纳
3‘内核’中的C:\Users\VAISHN~1\AppData\Local\Temp/ipykernel_6520/2922578464.py：'rbf'} 4->5 optimal_params=GridSearchCV( 6 SVC()，7 param_grid，这是我的代码： 'gamma': ['sc
浏览 4提问于2022-01-20得票数 2
回答已采纳
我正在尝试使用grisSearchCV来拟合一些模型，我想使用“一个标准误差”规则来选择最佳模型，即从得分在最佳得分的一个标准误差范围内的模型子集中选择最简约的模型。有没有办法做到这一点？
浏览 0提问于2013-03-28得票数 5
在实际数据中，数据是从范围6到6的浮点数，我也缩放了它们。输入层大小和编码维数必须保持不变。当我训练的时候，损失就开始了，我一直呆在0.631。我手动改变了学习速度。
浏览 2提问于2018-04-13得票数 2
回答已采纳
1回答
我有一个时间相关的数据集，其中我(作为一个例子)试图做一些超参数调优对拉索回归。为此，我使用sklearn的TimeSeriesSplit，而不是普通的Kfold，即类似于以下内容： max_iters=10,)
有了这个，我得到了一个</
浏览 1提问于2022-05-19得票数 1
回答已采纳
1回答
Pyspark提供了一个很大的可能性，可以通过将模型的交叉验证并行化，简单地用我如何才能实现类似的功能，斯派克的ScalaCrossValidator，即并行化每一个折叠？
浏览 1提问于2017-01-05得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
