python GridSearchCV调参例子

好的，关于 Python 中 GridSearchCV 的调参例子，你可以参考以下代码：

from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification

# 生成数据
X, y = make_classification(n_samples=1000, n_features=4,
                           n_informative=2, n_redundant=0,
                           random_state=0, shuffle=False)

# 定义模型
rf = RandomForestClassifier(random_state=0)

# 定义要进行调参的参数范围
param_grid = {'max_depth': [2, 3, 5, 10],
              'min_samples_split': [2, 3, 5],
              'n_estimators': [50, 100, 200]}

# 定义 GridSearchCV 对象，并进行训练
grid_search = GridSearchCV(estimator=rf, param_grid=param_grid, cv=5)
grid_search.fit(X, y)

# 打印最优参数和最优得分
print("Best parameters found: ", grid_search.best_params_)
print("Best score found: ", grid_search.best_score_)

这是一个简单的随机森林分类器的例子，它使用 GridSearchCV 对分类器进行调参。在这个例子中，我们使用了 `max_depth`、`min_samples_split` 和 `n_estimators` 三个参数，并定义了它们的取值范围。GridSearchCV 将在这个参数范围内搜索最佳的参数组合，并返回最佳得分和最佳参数组合。

希望这个例子能够帮助到你，如果有其他问题，可以继续问我。