交叉验证，网格搜索

1.10 交叉验证，网格搜索

学习目标

• 目标
  • 知道交叉验证、网格搜索的概念
  • 会使用交叉验证、网格搜索优化训练模型

1 什么是交叉验证(cross validation)

交叉验证：将拿到的训练数据，分为训练和验证集。以下图为例：将数据分成4份，其中一份作为验证集。然后经过4次(组)的测试，每次都更换不同的验证集。即得到4组模型的结果，取平均值作为最终结果。又称4折交叉验证。

1.1 分析

我们之前知道数据分为训练集和测试集，但是为了让从训练得到模型结果更加准确。做以下处理

• 训练集：训练集+验证集
• 测试集：测试集

1.2 为什么需要交叉验证

交叉验证目的：为了让被评估的模型更加准确可信

问题：这个只是让被评估的模型更加准确可信，那么怎么选择或者调优参数呢？

2 什么是网格搜索(Grid Search)

通常情况下，有很多参数是需要手动指定的（如k-近邻算法中的K值），这种叫超参数。但是手动过程繁杂，所以需要对模型预设几种超参数组合。每组超参数都采用交叉验证来进行评估。最后选出最优参数组合建立模型。

3 交叉验证，网格搜索（模型选择与调优）API：

• sklearn.model_selection.GridSearchCV(estimator, param_grid=None,cv=None)
  • 对估计器的指定参数值进行详尽搜索
  • estimator：估计器对象
  • param_grid：估计器参数(dict){“n_neighbors”:[1,3,5]}
  • cv：指定几折交叉验证
  • fit：输入训练数据
  • score：准确率
  • 结果分析：
    • bestscore__:在交叉验证中验证的最好结果
    • bestestimator：最好的参数模型
    • cvresults:每次交叉验证后的验证集准确率结果和训练集准确率结果

4 鸢尾花案例增加K值调优

• 使用GridSearchCV构建估计器

• 然后进行评估查看最终选择的结果和交叉验证的结果

• 最终结果

5 总结

• 交叉验证【知道】
  • 定义：
    • 将拿到的训练数据，分为训练和验证集
    • *折交叉验证
  • 分割方式：
    • 训练集：训练集+验证集
    • 测试集：测试集
  • 为什么需要交叉验证
    • 为了让被评估的模型更加准确可信
    • 注意：交叉验证不能提高模型的准确率
• 网格搜索【知道】
  • 超参数:
    • sklearn中,需要手动指定的参数,叫做超参数
  • 网格搜索就是把这些超参数的值,通过字典的形式传递进去,然后进行选择最优值
• api【知道】
  • sklearn.model_selection.GridSearchCV(estimator, param_grid=None,cv=None)
    • estimator – 选择了哪个训练模型
    • param_grid – 需要传递的超参数
    • cv – 几折交叉验证