GridSearchCV使用示例

GridSearchCV是Python的sklearn库中的一个工具，用于在预定义的一组参数网格上执行交叉验证搜索，以找到最佳参数组合，从而提高机器学习模型的性能。下面是一个简单的GridSearchCV使用示例：

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

# 加载 iris 数据集
iris = load_iris()
X = iris.data
y = iris.target

# 定义参数网格，这里我们选择SVC模型的C和gamma参数
param_grid = {'C': [0.1, 1, 10, 100], 'gamma': [1, 0.1, 0.01, 0.001]}

# 创建SVC分类器
svc = SVC()

# 使用GridSearchCV
grid_search = GridSearchCV(svc, param_grid, cv=5)  # 5折交叉验证
grid_search.fit(X, y)

# 输出最佳参数及其对应得分
print("Best parameters found: ", grid_search.best_params_)
print("Best score: ", grid_search.best_score_)

# 最佳模型获取
best_model = grid_search.best_estimator_

在这个例子中，GridSearchCV会尝试所有给定参数组合下的SVC模型，并基于交叉验证的结果返回最佳参数。`cv=5`表示采用5折交叉验证法评估模型。