超参数、网格搜索

一、超参数

     超参数是在模型训练之前设置的，它们决定了训练过程的设置和模型的结构，因此被称为“超参数”。以KNN为例：

二、网格搜索

交叉验证（Cross-Validation）是在机器学习建立模型和验证模型参数时常用的方法，用于评估机器模型的性能指标，从而进行模型选择。

网格搜索交叉验证（GridSearchCV）

定义一个n维的网格，每格都有一个超参数映射，如：n=(超参数1，超参数2，...，超参数n。对每个超参数确定可能的取值，如：超参数1=[1，2，3，4，5，6，7，8]，使用交叉验证来评估每种组合的性能，获取最佳性能的参数。

 只需要把训练集传给gc，然后他自己会分

它会把训练集分为三份（cv=3）：

拿12训练，3验证，13训练，2验证。。。。。。

# 预测准确率
print("在测试集上准确率：", gc.score(x_test, y_test))

print("在交叉验证当中最好的结果：", gc.best_score_) #最好的结果

print("选择最好的模型是：", gc.best_estimator_) #最好的模型,告诉你用了哪些参数

print("每个超参数每次交叉验证的结果：")
gc.cv_results_