网格搜索方法里每次指标怎么显示
时间: 2023-10-11 07:10:45 浏览: 26
在使用网格搜索方法进行参数调优时,可以通过 `cv_results_` 属性来查看每次参数组合的评估指标。这个属性是一个字典,包含了每个参数组合的详细信息,如参数、评分等。
以下是一个示例代码,展示了如何查看网格搜索中每次参数组合的评估指标:
```python
from sklearn.svm import SVR
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_boston
# 加载数据集
boston = load_boston()
X = boston.data
y = boston.target
# 创建SVR模型对象
svr = SVR()
# 定义参数网格
param_grid = {
'kernel': ['linear', 'rbf'],
'C': [0.1, 1, 10],
'epsilon': [0.01, 0.1, 1]
}
# 创建网格搜索对象
grid_search = GridSearchCV(svr, param_grid, cv=5, scoring='neg_mean_squared_error')
# 进行网格搜索
grid_search.fit(X, y)
# 输出每次参数组合的评估指标
results = grid_search.cv_results_
for mean_score, params in zip(results['mean_test_score'], results['params']):
print("Mean score:", -mean_score)
print("Parameters:", params)
print("---")
```
在这个示例中,我们创建了一个网格搜索对象 `grid_search`,并调用 `fit` 方法来进行网格搜索和交叉验证。然后,通过访问 `cv_results_` 属性,我们可以获取每次参数组合的评估指标。
在循环中,我们使用 `zip` 函数将每次参数组合的平均测试得分(负均方误差取反)和相应的参数组合一起迭代。然后,我们打印出每次参数组合的评估指标和对应的参数。
通过查看每次参数组合的评估指标,可以帮助我们理解不同参数对模型性能的影响,并选择最佳的参数组合。