【机器学习】使用sklearn的model_selection模块的网格搜索(GridSearchCV)进行调参工作

elif:

于 2022-06-24 17:17:09 发布

阅读量979

点赞数 2

分类专栏：机器学习文章标签：机器学习 sklearn python

本文链接：https://blog.youkuaiyun.com/weixin_46249565/article/details/125449041

版权

本文介绍了如何利用sklearn的model_selection模块的GridSearchCV进行机器学习模型的超参数调优。内容包括理解超参数与一般参数的区别，以及如何通过GridSearchCV优雅地进行调参工作，提升模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

比如我们现在有一颗决策树了，我们看了看模型得分，嚯，太磕碜了
必须得作出一些改变了
这里的调参指调超参，
一般参数，是拟合出一个模型后，比如说用回归树，拟合出一条一次直线，有了几个斜率和一个截距，这是参数
超参是参数的参数，比如得出这条直线用到的：树的最大深度、节点拆分策略是随机拆分呀还是最佳拆分这些

dtm = DecisionTreeRegressor(max_depth=4,
                           min_samples_split=5,
                           max_leaf_nodes=10)
dtm.fit(X,y)
dtm.fit(X_test,y_test)   

print