机器学习之网格搜索（GridSearch）及参数说明，实例演示

2023-06-29 22:44| 来源: 网络整理| 查看: 265

一）GridSearchCV简介网格搜索（GridSearch）用于选取模型的最优超参数。获取最优超参数的方式可以绘制验证曲线，但是验证曲线只能每次获取一个最优超参数。如果多个超参数有很多排列组合的话，就可以使用网格搜索寻求最优超参数的组合。

网格搜索针对超参数组合列表中的每一个组合，实例化给定的模型，做cv次交叉验证，将平均得分最高的超参数组合作为最佳的选择，返回模型对象。 GridSearchCV的sklearn官方网址： http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html#sklearn.model_selection.GridSearchCV

二）sklearn.model_selection.GridSearchCV参数详解

sklearn.model_selection.GridSearchCV( estimator, param_grid, scoring=None, n_jobs=None, iid=’warn’, refit=True, cv=’warn’, verbose=0, pre_dispatch=‘2*n_jobs’, error_score=’raise-deprecating’, return_train_score=False)

（1） estimator

选择使用的分类器，并且传入除需要确定最佳的参数之外的其他参数。（2） param_grid

需要最优化的参数的取值，值为字典或者列表。（3） scoring=None

模型评价标准，默认None。根据所选模型不同，评价准则不同。比如scoring=”accuracy”。如果是None，则使用estimator的误差估计函数。 https://scikit-learn.org/stable/modules/model_evaluation.html#scoring-parameter (官方文档) Scoring的参数，如下图：

ScoringFunctionCommentClassification ‘accuracy’metrics.accuracy_score ‘average_precision’ metrics.average_precision_score ‘f1’metrics.f1_scorefor binary targets‘f1_micro’metrics.f1_scoremicro-averaged‘f1_macro’metrics.f1_scoremacro-averaged‘f1_weighted’metrics.f1_scoreweighted average‘f1_samples’metrics.f1_scoreby multilabel sample‘neg_log_loss’metrics.log_lossrequires predict_proba support‘precision’ etc.metrics.precision_scoresuffixes apply as with ‘f1’‘roc_auc’metrics.roc_auc_score ‘recall’ etc.metrics.recall_scoresuffixes apply as with ‘f1’Clustering ‘adjusted_rand_score’metrics.adjusted_rand_score Regression ‘neg_mean_absolute_error’metrics.mean_absolute_error ‘neg_mean_squared_error’metrics.mean_squared_error ‘neg_median_absolute_error’metrics.median_absolute_error ‘r2’metrics.r2_score （4） n_jobs=1 进程个数，默认为1。若值为 -1，则用所有的CPU进行运算。若值为1，则不进行并行运算，这样的话方便调试。（5） iid=True

默认True,为True时，默认为各个样本fold概率分布一致，误差估计为所有样本之和，而非各个fold的平均。

（6） refit=True

默认为True,程序将会以交叉验证训练集得到的最佳参数，重新对所有可用的训练集与开发集进行，作为最终用于性能评估的最佳模型参数。即在搜索参数结束后，用最佳参数结果再次fit一遍全部数据集。

（7） cv=None

交叉验证参数，默认None，使用三折交叉验证。

（8） verbose=0, verbose：日志冗长度 0：不输出训练过程， 1：偶尔输出，>1：对每个子模型都输出。

（9） pre_dispatch=‘2*n_jobs’

指定总共分发的并行任务数。当n_jobs大于1时，数据将在每个运行点进行复制，这可能导致OOM，而设置pre_dispatch参数，则可以预先划分总共的job数量，使数据最多被复制pre_dispatch次

三）以鸢尾花数据集为例，基于网格搜索得到最优模型

import numpy as np import sklearn.model_selection as ms import sklearn.svm as svm #导入svm函数 from sklearn.datasets import load_iris #导入鸢尾花数据 iris = load_iris() x = iris.data y = iris.target # 可以看到样本大概分为三类 print(x[:5]) print(y)

out：

[[5.1 3.5 1.4 0.2] [4.9 3. 1.4 0.2] [4.7 3.2 1.3 0.2] [4.6 3.1 1.5 0.2] [5. 3.6 1.4 0.2]] [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2] # 基于svm 实现分类 model = svm.SVC(probability=True) # 基于网格搜索获取最优模型 params = [ {'kernel':['linear'],'C':[1,10,100,1000]}, {'kernel':['poly'],'C':[1,10],'degree':[2,3]}, {'kernel':['rbf'],'C':[1,10,100,1000], 'gamma':[1,0.1, 0.01, 0.001]}] model = ms.GridSearchCV(estimator=model, param_grid=params, cv=5) model.fit(x, y) # 网格搜索训练后的副产品 print("模型的最优参数：",model.best_params_) print("最优模型分数：",model.best_score_) print("最优模型对象：",model.best_estimator_)

out：

模型的最优参数： {'C': 1, 'kernel': 'linear'} 最优模型分数： 0.98 最优模型对象： SVC(C=1, cache_size=200, class_weight=None, coef0=0.0, decision_function_shape='ovr', degree=3, gamma='auto_deprecated', kernel='linear', max_iter=-1, probability=True, random_state=None, shrinking=True, tol=0.001, verbose=False) # 输出网格搜索每组超参数的cv数据 for p, s in zip(model.cv_results_['params'], model.cv_results_['mean_test_score']): print(p, s)

out：

{'C': 1, 'kernel': 'linear'} 0.98 {'C': 10, 'kernel': 'linear'} 0.9733333333333334 {'C': 100, 'kernel': 'linear'} 0.9666666666666667 {'C': 1000, 'kernel': 'linear'} 0.9666666666666667 {'C': 1, 'degree': 2, 'kernel': 'poly'} 0.9733333333333334 {'C': 1, 'degree': 3, 'kernel': 'poly'} 0.9666666666666667 {'C': 10, 'degree': 2, 'kernel': 'poly'} 0.9666666666666667 {'C': 10, 'degree': 3, 'kernel': 'poly'} 0.9666666666666667 {'C': 1, 'gamma': 1, 'kernel': 'rbf'} 0.9666666666666667 {'C': 1, 'gamma': 0.1, 'kernel': 'rbf'} 0.98 {'C': 1, 'gamma': 0.01, 'kernel': 'rbf'} 0.9333333333333333 {'C': 1, 'gamma': 0.001, 'kernel': 'rbf'} 0.9133333333333333 {'C': 10, 'gamma': 1, 'kernel': 'rbf'} 0.9533333333333334 {'C': 10, 'gamma': 0.1, 'kernel': 'rbf'} 0.98 {'C': 10, 'gamma': 0.01, 'kernel': 'rbf'} 0.98 {'C': 10, 'gamma': 0.001, 'kernel': 'rbf'} 0.9333333333333333 {'C': 100, 'gamma': 1, 'kernel': 'rbf'} 0.94 {'C': 100, 'gamma': 0.1, 'kernel': 'rbf'} 0.9666666666666667 {'C': 100, 'gamma': 0.01, 'kernel': 'rbf'} 0.98 {'C': 100, 'gamma': 0.001, 'kernel': 'rbf'} 0.98 {'C': 1000, 'gamma': 1, 'kernel': 'rbf'} 0.9333333333333333 {'C': 1000, 'gamma': 0.1, 'kernel': 'rbf'} 0.9533333333333334 {'C': 1000, 'gamma': 0.01, 'kernel': 'rbf'} 0.9666666666666667 {'C': 1000, 'gamma': 0.001, 'kernel': 'rbf'} 0.98

四）疑问我在看其他博客的时候，别人有提到说：“网格搜索这个方法适合于小数据集，一旦数据的量级上去了，就很难得出结果。这个时候可以使用一个快速调优的方法——坐标下降。拿当前对模型影响最大的参数调优，直到最优化；再拿下一个影响最大的参数调优，如此下去，直到所有的参数调整完毕。这个方法的缺点就是可能会调到局部最优而不是全局最优，但是省时间省力。” 我不太明白这个小数据集，它的体量是什么范围，如果你知道，不妨留言告诉我，谢谢。

【本文地址】

公司简介

联系我们