svc网格调参 python代码
时间: 2023-09-26 20:11:41 浏览: 69
下面是使用GridSearchCV进行SVC网格调参的Python代码示例:
```python
from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 定义参数范围
param_grid = {
'C': [0.1, 1, 10, 100],
'kernel': ['linear', 'rbf', 'poly', 'sigmoid'],
'gamma': ['scale', 'auto']
}
# 创建SVC模型
svc = SVC()
# 使用GridSearchCV进行网格搜索
grid_search = GridSearchCV(svc, param_grid, cv=5)
grid_search.fit(X_train, y_train)
# 打印最佳参数和最佳得分
print("Best parameters: ", grid_search.best_params_)
print("Best score: ", grid_search.best_score_)
```
在这个示例中,我们使用了鸢尾花数据集,划分了训练集和测试集,并将SVC模型作为估计器传递给GridSearchCV函数。 然后,我们定义了参数范围,并使用cv = 5进行五折交叉验证。 最后,我们打印出最佳参数和最佳得分。