cv_results_本身就是一个字典形式的输出,里面含有很多结果
param_test1 = {'n_estimators': range(10, 101, 10)}
gssearch = GridSearchCV(RF, param_grid=param_test1, cv=5)
print(cv_results_) 直接调用代码,运行结果如下:

大概分三类:时间(time)、参数(params)、得分(score)
如果要输出调参的各个结果,可以运行以下代码:
means = gssearch.cv_results_['mean_test_score']
params = gssearch.cv_results_['params']
for mean,param in zip(means,params):
print("%f with: %r" % (mean,param))
每次取mean_test_score和对应的params
本文详细介绍了使用GridSearchCV进行模型参数调优的过程。通过设置参数范围,利用交叉验证评估不同参数组合的效果,并展示了如何获取最佳参数及平均测试得分。
2050





