GridSearchCV
学习笔记
1.
简介
GridSearchCV
的
sklearn
官方网址：
http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html#sklearn.model_selection.GridSearchCV
GridSearchCV
，它存在的意义就是自动调参，只要把参数输进去，就能给出最优化的结果和参数。但是这个方法适合于小数据集，一旦数据的量级上去了，很难得出结果。这个时候就是需要动脑筋了。数据量比较大的时候可以使用一个快速调优的方法——坐标下降。它其实是一种贪心算法：拿当前对模型影响最大的参数调优，直到最优化；再拿下一个影响最大的参数调优，如此下去，直到所有的参数调整完毕。这个方法的缺点就是可能会调到局部最优而不是全局最优，但是省时间省力，巨大的优势面前，还是试一试吧，后续可以再拿
bagging
再优化。
通常算法不够好，需要调试参数时必不可少。比如
SVM
的惩罚因子
C
，核函数
kernel
，
gamma
参数等，对于不同的数据使用不同的参数，结果效果可能差
1-5
个点，
sklearn
为我们提供专门调试参数的函数
grid_search
。
2.
参数说明
class sklearn.model_selection.GridSearchCV(estimator, param_grid, scoring=None, fit_params=None, n_jobs=1, iid=True, refit=True, cv=None, verbose=0, pre_dispatch=‘2*n_jobs’, error_score=’raise’, return_train_score=’warn’)
（1）
estimator
选择使用的分类器，并且传入除需要确定最佳的参数之外的其他参数。每一个分类器都需要一个
scoring
参数，或者
score
方法：如
estimator=RandomForestClassifier(min_samples_split=100,min_samples_leaf=20,max_depth=8,max_features='sqrt',random_state=10),
（2）
param_grid
需要最优化的参数的取值，值为字典或者列表，例如：
param_grid =param_test1
，
param_test1 = {'n_estimators':range(10,71,10)}
。
（3）
scoring=None
模型评价标准，默认
None,
这时需要使用
score
函数；或者如
scoring='roc_auc'
，根据所选模型不同，评价准则不同。字符串（函数名），或是可调用对象，需要其函数签名形如：
scorer(estimator, X, y)
；如果是
None
，则使用
estimator
的误差估计函数。具体值的选取看本篇
第三节内容
。
（4）
fit_params=None
（5）
n_jobs=1
n_jobs:
并行数，
int
：个数
,-1
：跟
CPU
核数一致
, 1:
默认值
（6）
iid=True
iid
:
默认
True,
为
True
时，默认为各个样本
fold
概率分布一致，误差估计为所有样本之和，而非各个
fold
的平均。
（7）
refit=True
默认为
True,
程序将会以交叉验证训练集得到的最佳参数，重新对所有可用的训练集与开发集进行，作为最终用于性能评估的最佳模型参数。即在搜索参数结束后，用最佳参数结果再次
fit
一遍全部数据集。
（8）
cv=None
交叉验证参数，默认
None
，使用三折交叉验证。指定
fold
数量，默认为
3
，也可以是
yield
训练
/
测试数据的生成器。
（9）
verbose=0
,
scoring=None
verbose
：日志冗长度，
int
：冗长度，
0
：不输出训练过程，
1
：偶尔输出，
>1
：对每个子模型都输出。
（10）
pre_dispatch=‘2*n_jobs’
指定总共分发的并行任务数。当
n_jobs
大于
1
时，数据将在每个运行点进行复制，这可能导致
OOM
，而设置
pre_dispatch
参数，则可以预先划分总共的
job
数量，使数据最多被复制
pre_dispatch
次
（11）
error_score=’raise’
（12）
return_train_score=’warn’
如果
“False”
，
cv_results_
属性将不包括训练分数。
回到
sklearn
里面的
GridSearchCV
，
GridSearchCV
用于系统地遍历多种参数组合，通过交叉验证确定最佳效果参数。
Model-evaluation tools using
cross-validation
(such as
model_selection.cross_val_score
and
model_selection.GridSearchCV
) rely on an internal
scoring
strategy. This is discussed in the section
The scoring parameter: defining model evaluation rules
.
For the most common use cases, you can designate a scorer object with the
scoring
parameter; the table below shows all possible values. All scorer objects follow the convention that
higher return values are better than lower return values
. Thus metrics which measure the distance between the model and the data, like
metrics.mean_squared_error
, are available as neg_mean_squared_error which return the negated value of
the metric.
4.
属性
（
1
）
cv_results_
: dict of numpy (masked) ndarrays
具有键作为列标题和值作为列的
dict
，可以导入到
DataFrame
中。注意，
“params”
键用于存储所有参数候选项的参数设置列表。
（
2
）
best_estimator_
: estimator
通过搜索选择的估计器，即在左侧数据上给出最高分数（或指定的最小损失）的估计器。
如果
refit = False
，则不可用。
（
3
）
best_score_ : float
best_estimator
的分数
（
4
）
best_params_
: dict
在保存数据上给出最佳结果的参数设置
（
5
）
best_index_
: int
对应于最佳候选参数设置的索引（
cv_results_
数组）。
search.cv_results _ ['params'] [search.best_index_]
中的
dict
给出了最佳模型的参数设置，给出了最高的平均分数（
search.best_score_
）。
（
6
）
scorer_
: function
Scorer function used on the held out data to choose the best parameters for the model.
（
7
）
n_splits_ : int
The number of cross-validation splits (folds/iterations).
5.
进行预测的常用方法和属性
grid.fit()
：运行网格搜索
grid_scores_
：给出不同参数情况下的评价结果
best_params_
：描述了已取得最佳结果的参数的组合
best_score_
：提供优化过程期间观察到的最好的评分
6.
网格搜索实例
6.1
随机森林
（
1
）
http://ju.outofmemory.cn/entry/329943
转自
“
蓝鲸网站分析博客
”
。
（
2
）
http://blog.csdn.net/u010159842/article/details/79317828
利用
sklearn api gridsearch
进行
keras
参数调优
[python]
view plain
copy
1.
param_test1 ={
'n_estimators'
:range(10,71,10)}
2.
gsearch1= GridSearchCV(estimator =RandomForestClassifier(min_samples_split=100,
3.
min_samples_leaf=20,max_depth= 8,max_features=
'sqrt'
,random_state=10),
4.
param_grid =param_test1,scoring=
'roc_auc'
,cv=5)
5.
gsearch1.fit(X,y)
6.
gsearch1.grid_scores_, gsearch1.best_params_, gsearch1.best_score_
输出结果如下：
([mean: 0.80681, std:0.02236, params: {'n_estimators': 10},
mean: 0.81600, std: 0.03275, params:{'n_estimators': 20},
mean: 0.81818, std: 0.03136, params:{'n_estimators': 30},
mean: 0.81838, std: 0.03118, params:{'n_estimators': 40},
mean: 0.82034, std: 0.03001, params:{'n_estimators': 50},
mean: 0.82113, std: 0.02966, params:{'n_estimators': 60},
mean: 0.81992, std: 0.02836, params:{'n_estimators': 70}],
{'n_estimators': 60},
0.8211334476626017)
如果有transform,使用
Pipeline
简化系统搭建流程，将transform与分类器串联起来（Pipelineof transforms with a final estimator）
1.
pipeline= Pipeline([(
"features"
, combined_features), (
"svm"
, svm)])
2.
param_grid= dict(features__pca__n_components=[1, 2, 3],
3.
features__univ_select__k=[1,2],
4.
svm__C=[0.1, 1, 10])
5.
6.
grid_search= GridSearchCV(pipeline, param_grid=param_grid, verbose=10)
7.
grid_search.fit(X,y)
8.
print
(grid_search.best_estimator_)
http://scikit-learn.org/stable/modules/model_evaluation.html
