1.实验目的

（1）运用GridSearchCV比较不同的模型、不同的参数对实验结果的影响。
（2）运用字典存储模型和参数
（3）实验所用数据集为sklearn自带的手写数字数据集

2.导入必要模块并读取数据

from sklearn import datasets
from sklearn import svm    #支持向量机
from sklearn.ensemble import RandomForestClassifier  #随机森林
from sklearn.linear_model import LogisticRegression   #逻辑回归
from sklearn.naive_bayes import GaussianNB      #先验为高斯分布的朴素贝叶斯
from sklearn.naive_bayes import MultinomialNB   #先验为多项式分布的朴素贝叶斯
from sklearn.tree import DecisionTreeClassifier  #决策树digits = datasets.load_digits()    #加载手写题数据集

3.构建模型-参数字典

#构建模型到参数的字典
model_params = {'svm':{'model':svm.SVC(gamma='auto'),'params':{'C':[1,10,20],'kernel':['rbf','linear']}},'random_forest':{'model':RandomForestClassifier(),'params':{'n_estimators':[1,5,10]}},'logistic_regression':{'model':LogisticRegression(),'params':{'C':[1,5,10]}},'naive_bayes_gaussian':{'model':GaussianNB(),'params':{}},'naive_bayes_multinomial':{'model':MultinomialNB(),'params':{}},'decision_tree':{'model':DecisionTreeClassifier(),'params':{'criterion':['gini','entropy']}}
}

4.训练

from sklearn.model_selection import GridSearchCV    #导入网格搜索与交叉验证模型
import pandas as pd
scores = []for model_name, mp in model_params.items():     clf = GridSearchCV(mp['model'],mp['params'],cv=5,return_train_score=False)   #实例化clf.fit(digits.data,digits.target)   #训练scores.append({'model':model_name,'best_score':clf.best_score_,'best_params':clf.best_params_})

5.打印不同模型、不同参数对应的结果

df = pd.DataFrame(scores,columns=['model','best_score','best_params'])   #把结果放入表格
df

机器学习代码实战——网格搜索和交叉验证（GridSearchCV）相关推荐

机器学习算法------1.10 交叉验证，网格搜索（交叉验证，网格搜索（模型选择与调优）API、鸢尾花案例增加K值调优）
文章目录 1.10 交叉验证,网格搜索学习目标 1 什么是交叉验证(cross validation) 1.1 分析 1.2 为什么需要交叉验证 2 什么是网格搜索(Grid Search) 3 交 ...
【Python-ML】SKlearn库网格搜索和交叉验证
# -*- coding: utf-8 -*- ''' Created on 2018年1月18日 @author: Jason.F @summary: GridSearch网格搜索:同一模型下组合参 ...
机器学习，深度学习基础算法原理详解（图的搜索、交叉验证、PAC框架、VC-维（持续更新））
机器学习,深度学习基础算法原理详解(图的搜索.交叉验证.PAC框架.VC-维.支持向量机.核方法(持续更新)) 机器学习,深度学习基础算法原理详解(数据结构部分(持续更新)) 文章目录 1. 图的搜索 ...
机器学习基础篇（四）——交叉验证
机器学习基础篇(四)--交叉验证一.概述交叉验证是在机器学习建立模型和验证模型参数时常用的办法.顾名思义,交叉验证就是重复的使用数据,把得到的样本数据进行切分,组合为不同的训练集和测试集,用训练集 ...
机器学习代码实战——K折交叉验证（K Fold Cross Validation）
文章目录 1.实验目的 2.导入数据和必要模块 3.比较不同模型预测准确率 3.1.逻辑回归 3.2.决策树 3.3.支持向量机 3.4.随机森林 1.实验目的使用sklearn库中的鸢尾花数据集, ...
机器学习 - 随机森林手动10 折交叉验证
随机森林的 10 折交叉验证再回到之前的随机森林(希望还没忘记,机器学习算法-随机森林初探(1)) library(randomForest) set.seed(304) rf1000 <- ...
机械学习房价预测实战（mse 回归交叉验证）
题目一:机器学习框架机器学习的框架有哪些?请写出其构建一个机器学习的流水线学习的框架 TensorFlow pytorch Paddle Paddle CNTK MXNet mindspore o ...
机器学习调参——网格搜索调参，随机搜索调参，贝叶斯调参
from sklearn.datasets import load_boston from sklearn.metrics import mean_squared_error from lightgb ...
【笔记】【机器学习基础】网格搜索
通过调参来提升模型的泛化性能网格搜索:尝试我们关心的参数的所有可能组合一.简单网格搜索在 2 个参数上使用 for 循环,对每种参数组合分别训练并评估一个分类器 # 简单的网格搜索实现 from ...

机器学习代码实战——网格搜索和交叉验证（GridSearchCV）

文章目录

1.实验目的

2.导入必要模块并读取数据

3.构建模型-参数字典

4.训练

5.打印不同模型、不同参数对应的结果

机器学习代码实战——网格搜索和交叉验证（GridSearchCV）相关推荐

最新文章

热门文章