machine learning in coding（python）：使用交叉验证【选择模型超参数】

最新推荐文章于 2025-04-30 16:14:49 发布

原创最新推荐文章于 2025-04-30 16:14:49 发布 · 1.9k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #machine learning #超参数选择 #交叉验证

ML in coding 同时被 2 个专栏收录

13 篇文章

订阅专栏

machine learning in coding

7 篇文章

订阅专栏

本文介绍了一种通过交叉验证循环来确定最佳正则化参数C的方法。通过对一系列C值进行迭代并评估模型性能，最终找到最优的C值。该过程有助于提高模型泛化能力。

# Hyperparameter selection loop
score_hist = []
Cvals = [0.001, 0.003, 0.006, 0.01, 0.02, 0.03, 0.04, 0.05, 0.06, 0.1]
for C in Cvals:
    model.C = C
    score = cv_loop(Xt, y, model, N)
    score_hist.append((score,C))
    print "C: %f Mean AUC: %f" %(C, score)
bestC = sorted(score_hist)[-1][1]
print "Best C value: %f" % (bestC)

from kaggle