网格搜索方法里每次指标怎么显示

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：

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。