网格搜索法python实现

可以使用sklearn库中的GridSearchCV函数来实现网格搜索法，以下是一个简单的示例代码：

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

iris = load_iris()
X = iris.data
y = iris.target

param_grid = {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf']}
svc = SVC()
grid_search = GridSearchCV(svc, param_grid, cv=5)
grid_search.fit(X, y)

print("Best parameters: ", grid_search.best_params_)
print("Best score: ", grid_search.best_score_)

在这个例子中，我们使用GridSearchCV函数来搜索SVC模型的最佳参数。我们定义了一个参数网格，包括C和kernel两个参数的不同取值。然后我们创建了一个SVC对象，将其与参数网格一起传递给GridSearchCV函数。最后，我们使用iris数据集来拟合模型，并打印出最佳参数和最佳得分。

希望这个例子能够帮助你理解如何使用网格搜索法来优化模型的参数。