GridSearchCV()如何使用

GridSearchCV()是一个用于超参数优化的函数，它可以通过交叉验证来确定最佳的超参数组合。使用GridSearchCV()需要先定义一个参数字典，然后将其传递给函数中。例如：

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

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)

在这个例子中，我们定义了一个参数字典param_grid，包含了两个超参数C和kernel的可能取值。然后我们创建了一个SVC分类器，将其传递给GridSearchCV()函数中，同时指定了交叉验证的折数cv=5。最后调用fit()函数进行训练和超参数搜索。