GridSearchCV调参代码

当使用GridSearchCV进行参数调优时，你需要先定义一个参数网格，然后将其作为参数传递给GridSearchCV对象。以下是一个示例代码，展示如何使用GridSearchCV进行参数调优：

from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC

# 定义参数网格
param_grid = {'C': [0.1, 1, 10], 'gamma': [0.1, 1, 10]}

# 创建GridSearchCV对象
grid_search = GridSearchCV(SVC(), param_grid, cv=5)

# 使用训练数据拟合模型
grid_search.fit(X_train, y_train)

# 输出最佳参数和最佳得分
print("Best parameters: ", grid_search.best_params_)
print("Best score: ", grid_search.best_score_)

在上述代码中，首先我们导入了GridSearchCV和SVC类。然后，我们定义了一个参数网格`param_grid`，其中包含两个参数C和gamma的不同取值。接下来，我们创建了一个GridSearchCV对象，并将SVC分类器和参数网格作为参数传递给它。我们还指定了交叉验证的折数（cv=5）。然后，我们使用训练数据拟合模型，并输出最佳参数和最佳得分。

你可以根据自己的需求修改参数网格和其他相关参数。希望这个示例能帮助到你！如果还有其他问题，请随时提问。