SVM超参数网格搜索法超参数寻优，各参数组合的准确率python

要输出SVM超参数网格搜索法超参数寻优中各参数组合的准确率，可以使用GridSearchCV类的cv_results_属性。具体步骤如下：

1. 使用GridSearchCV类进行超参数寻优。

2. 访问cv_results_属性，获取各参数组合的评分信息。

3. 输出各参数组合的准确率。

在Python中，可以按照以下代码进行操作：

from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split

# 加载数据集
digits = load_digits()
X, y = digits.data, digits.target

# 将数据集分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义SVM模型
svc = SVC()

# 定义超参数搜索范围
param_grid = {'C': [0.1, 1, 10], 'gamma': [0.1, 1, 10]}

# 使用交叉验证进行超参数寻优
grid_search = GridSearchCV(svc, param_grid, cv=5)
grid_search.fit(X_train, y_train)

# 输出各参数组合的准确率
results = grid_search.cv_results_
for mean_score, params in zip(results["mean_test_score"], results["params"]):
    print("{}: {:.2f}%".format(params, mean_score * 100))

其中，mean_test_score属性存储了各参数组合的平均测试准确率，params属性存储了各参数组合的超参数值。输出的结果类似于以下内容：

{'C': 0.1, 'gamma': 0.1}: 18.48%
{'C': 0.1, 'gamma': 1}: 18.48%
{'C': 0.1, 'gamma': 10}: 18.48%
{'C': 1, 'gamma': 0.1}: 98.50%
{'C': 1, 'gamma': 1}: 98.50%
{'C': 1, 'gamma': 10}: 98.50%
{'C': 10, 'gamma': 0.1}: 98.50%
{'C': 10, 'gamma': 1}: 98.50%
{'C': 10, 'gamma': 10}: 98.50%