python数据挖掘--超参寻优篇（附方法和代码）

数据挖掘路上点点滴滴，记录超参优化的常用手段，最近在学习自动化超参寻优，持续更新。

1.K折交叉验证参数

from sklearn.model_selection import cross_val_score,KFold

定义交叉验证规则

n_folds = 5

rmse=[]

def rmsle_cv(model):

    kf = KFold(n_folds, shuffle=True, random_state=42).get_n_splits(train.values)

    score= np.sqrt(-cross_val_score(model, train.values, y_train, scoring="neg_mean_squared_error", cv = kf))

    rmse.append(np.mean(score))

return(rmse)

2.管道并行调参

单个模型