基於 GridSearchCV的模型調參框架

2021-09-01 15:53:04 字數 2161 閱讀 3557

網上有很多網格調參方法，筆者整理**，編寫了以下模型應用框架。不喜勿噴 

import pandas as pd


import numpy as np


from sklearn.tree import decisiontreeclassifier


from sklearn.pipeline import make_pipeline


from sklearn.grid_search import gridsearchcv


from sklearn.pipeline import pipeline


train_data = pd.read_csv('c://users//holy//desktop//train_feature.csv')


test_data= pd.read_csv('c://users//holy//desktop//test_feature.csv')


ztrain_data=train_data[(train_data.is_attributed==1)]#取正樣例


n=len(ztrain_data)*2#取負樣例為正樣例的兩倍


ftrain_data=train_data[(train_data.is_attributed==0)].sample(n=n)#取n倍負樣例


df_train=pd.concat([ztrain_data,ftrain_data])#新訓練資料


df_test=test_data


#3# 使用pipeline定義文字分類問題常見的工作流，包含向量化和乙個簡單的分類器


pipeline = pipeline([


('1-dtc',decisiontreeclassifier()),


])#引數空間


parameters = 


#通過gridsearchcv尋求最佳引數空間


grid_search = gridsearchcv(pipeline,parameters)#網格搜尋


clf=grid_search#本模型用線性回歸


#特徵工程


#1將day特徵變成三列


names=df_train['day'].str.split('-',expand=true)


names.columns=['year','month','day0']


df_train=df_train.join(names)#轉換日期特徵，變成三列特徵


names2=df_test['day'].str.split('-',expand=true)


names2.columns=['year','month','day0']


df_test=df_test.join(names2)#轉換日期特徵，變成三列特徵


#資料集array


x_train =np.array(df_train.drop(['is_attributed','day'],axis = 1))


x_test=np.array(df_test.drop(['is_attributed','day','click_id'],axis = 1))


y_train =np.array(df_train['is_attributed'])


y_test=np.array(df_test['is_attributed'])


#定義準確率函式


def pre_rate(res):


count = 0


for i in range(len(res)):


if (y_test[i] == res[i]):


count = count + 1


print(float(count / len(res)))


#訓練模型


clf.fit(x_train,y_train)


res=clf.best_estimator_.predict(x_test)


#誤差分析


pre_rate(res)


# 輸出最佳的分類器到底使用了怎樣的引數


best_parameters = clf.best_estimator_.get_params()


for param_name in sorted(parameters.keys()):


print("\t%s: %r" % (param_name, best_parameters[param_name]))

GridSearchCV交叉驗證

實現 基於邏輯回歸演算法 1 coding utf 8 2 3created on sat sep 1 11 54 48 201845 author zhen67 交叉驗證 8 9import numpy as np 10from sklearn import datasets 11from skl...

網格搜尋GridSearchCV引數詳細解析

一網格搜尋 尋求引數最優的一種方法 使用 from sklearn.model selection import gridsearchcv classsklearn.model selection.gridsearchcv estimator param grid scoring none fit ...

轉 網格搜尋GridSearchCV引數詳細解析

一網格搜尋 尋求引數最優的一種方法 首先為想要調參的引數設定一組候選值，然後網格搜尋會窮舉各種引數組合，根據設定的評分機制找到最好的那一組設定。使用 from sklearn.model selection import gridsearchcv class sklearn.model select...