scikit-learn中GridSearchCV的使用：多模型，可视化

步骤：

1.选择并构建训练模型model

2.将训练模型model投入到GridSearchCV中，得到GridSearchCV模型grid_model

3.用grid_model拟合训练集数据，选择在validation_dataset上效果最好的参数的模型best_estimator

4.1.用best_estimator拟合训练集（得到的结果应该与之前不同，因为之前用交叉验证等方法对训练集进行了分割）

4.2.用best_estimator拟合测试集

5.结果可视化：AUC曲线，AUPR曲线

一.数据

【数据准备】

二.主模型

【搭建环境】

from sklearn.neural_network import MLPClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.svm import SVC
from sklearn.gaussian_process import GaussianProcessClassifier
from sklearn.gaussian_process.kernels import RBF
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier, AdaBoostClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis
from sklearn.model_selection import GridSearchCV,cross_val_score
from sklearn.metrics import accuracy_score,precision_score,recall_score,f1_score
from sklearn.metrics import auc,roc_auc_score,roc_curve,precision_recall_curve
from sklearn.metrics import confusion_matrix,make_scorer

【模型准备】

seed = 1231
np.random.seed(seed)
x_train,y_train,x_test,y_test = x_train,y_train,x_test,y_test

names = ['Decision Tree', 'Random Forest']
classifiers = [DecisionTreeClassifier(),RandomForestClassifier()]

parameter_dtc = {'max_features':['auto','sqrt','log2',None],'max_depth':range(3,100,2)}
parameter_rfc = {'n_estimator

最后

以上就是帅气苗条为你收集整理的scikit-learn中GridSearchCV的使用：多模型，可视化的全部内容，希望文章能够帮你解决scikit-learn中GridSearchCV的使用：多模型，可视化所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。