gridsearchcv，它存在的意義就是自動調參，只要把引數輸進去，就能給出最優化的結果和引數。但是這個方法適合於小資料集，一旦資料的量級上去了，很難得出結果。這個時候就是需要動腦筋了。資料量比較大的時候可以使用乙個快速調優的方法——座標下降。它其實是一種貪心演算法：拿當前對模型影響最大的引數調優，直到最優化；再拿下乙個影響最大的引數調優，如此下去，直到所有的引數調整完畢。這個方法的缺點就是可能會調到區域性最優而不是全域性最優，但是省時間省力，巨大的優勢面前，還是試一試吧，後續可以再拿bagging再優化。回到sklearn裡面的gridsearchcv，gridsearchcv用於系統地遍歷多種引數組合，通過交叉驗證確定最佳效果引數。
class sklearn.model_selection.gridsearchcv(estimator, param_grid, scoring=none, fit_params=none,n_jobs=1, iid=true, refit=true, cv=none, verbose=0, pre_dispatch=『2*n_jobs』, error_score=』raise』, return_train_score=』warn』)
引數解析：1.estimator
選擇使用的分類器，並且傳入除需要確定最佳的引數之外的其他引數。
每乙個分類器都需要乙個scoring引數，或者score方法：
如estimator=randomforestclassifier(
min_samples_split=100,
min_samples_leaf=20,
max_depth=8,
max_features='
sqrt',
random_state=10),
2.param_grid
需要最優化的引數的取值，值為字典或者列表，例如：
param_grid =param_test1，
param_test1 = 。
3. scoring=none
模型評價標準，預設none,這時需要使用score函式；或者如scoring='
roc_auc'，
根據所選模型不同，評價準則不同。字串（函式名），或是可呼叫物件，
需要其函式簽名形如：scorer(estimator, x, y)；如果是none，則使用estimator的誤差估計函式。
4.n_jobs=1n_jobs: 並行數，int：個數,-1：跟cpu核數一致, 1:預設值
5.cv=none
交叉驗證引數，預設none，使用三折交叉驗證。指定fold數量，預設為3，也可以是yield產生訓練/測試資料的生成器。
6.verbose=0, scoring=none
verbose：日誌冗長度，int：冗長度，0：不輸出訓練過程，1：偶爾輸出，>1：對每個子模型都輸出。
7.pre_dispatch=『2*n_jobs』
指定總共分發的並行任務數。當n_jobs大於1時，資料將在每個執行點進行複製，這可能導致oom，
而設定pre_dispatch引數，則可以預先劃分總共的job數量，使資料最多被複製pre_dispatch次
8.return_train_score=』warn』
如果「false」，cv_results_屬性將不包括訓練分數。
9.refit :預設為true,程式將會以交叉驗證訓練集得到的最佳引數，重新對所有可用的訓練集與開發集進行，
作為最終用於效能評估的最佳模型引數。即在搜尋引數結束後，用最佳引數結果再次fit一遍全部資料集。
10.iid:預設true,為true時，預設為各個樣本fold概率分布一致，誤差估計為所有樣本之和，而非各個fold的平均。
進行**的常用方法和屬性
grid.fit()：執行網格搜尋
grid_scores_：給出不同引數情況下的評價結果
best_params_：描述了已取得最佳結果的引數的組合
best_score_：成員提供優化過程期間觀察到的最好的評分
例子：在 mnist 資料集上建立乙個分類器，使它在測試集上的精度超過 97%。提 示： kneighborsclassifier 非常適合這個任務。你只需要找出乙個好的超引數值（試一下 對權重和超引數 n_neighbors 進行網格搜尋）
from sklearn.model_selection importgridsearchcv
from sklearn.neighbors import
kneighborsclassifier
param_grid
= knn_clf =kneighborsclassifier()
grid_search = gridsearchcv(knn_clf,param_grid,cv = 2,verbose=3,n_jobs=-1)
grid_search.fit(x_train,y_train)
cv交叉驗證次數可多給點，本本效能不好，就只給了2
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...
使用隨機搜尋選擇最佳引數 網格搜尋
from scipy.stats import uniform from sklearn import linear model,datasets from sklearn.model selection import randomizedsearchcv iris datasets.load ir...