gridsearchcv参数

GridSearchCV是一种超参数调优技术，它通过穷举所有可能的超参数组合来寻找最优模型。在使用GridSearchCV时，需要指定待调优的超参数及其可能的取值范围，GridSearchCV会自动遍历所有可能的超参数组合，并使用交叉验证来评估每个模型的性能，最终返回最优超参数组合所对应的模型。

在sklearn中，GridSearchCV的常用参数如下：

- estimator：待调优的模型。
- param_grid：超参数及其可能的取值范围，可以是一个字典或列表。
- scoring：模型性能评估指标，默认为None，即使用模型默认的评估指标。
- cv：交叉验证折数，默认为None，即使用模型默认的交叉验证折数。
- n_jobs：并行运行的任务数，默认为None，即使用单核运行。
- verbose：控制输出信息的详细程度，默认为0，即不输出任何信息。

例如，以下代码展示了如何使用GridSearchCV来调优RandomForestRegressor模型的超参数：

from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import GridSearchCV

# 定义待调优的超参数及其可能的取值范围
param_grid = {'n_estimators': [50, 100, 150],
              'max_depth': [10, 20, 30]}

# 定义待调优的模型
model = RandomForestRegressor()

# 定义GridSearchCV对象
grid_search = GridSearchCV(estimator=model, param_grid=param_grid, cv=5)

# 训练模型并返回最优超参数组合所对应的模型
grid_search.fit(X, y)