GridSearchCV函数

GridSearchCV函数是Scikit-learn库中用于自动调整模型参数的函数。它通过遍历指定的参数组合，针对每个参数组合进行交叉验证，并选择表现最好的参数组合。

GridSearchCV函数的主要参数包括：
- estimator: 指定要优化的模型
- param_grid: 模型参数的候选值，可以是字典或列表
- scoring: 评估模型性能的指标
- cv: 交叉验证的折数

通过调用fit方法，GridSearchCV会遍历所有参数组合，使用交叉验证来评估模型性能。可以通过best_params_属性获得最佳参数组合，通过best_score_属性获得最佳模型在交叉验证中的表现。

示例代码如下：

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

# 定义模型
model = SVC()

# 定义参数候选值
param_grid = {
    'C': [0.1, 1, 10],
    'kernel': ['linear', 'rbf']
}

# 创建GridSearchCV对象
grid_search = GridSearchCV(estimator=model, param_grid=param_grid, scoring='accuracy', cv=5)

# 执行调参和交叉验证
grid_search.fit(X, y)

# 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_)