【学习笔记】# 先来确定一个字典 # 这个字典保存就是所有参数大致的一个最优的 ...

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

# 先来确定一个字典
# 这个字典保存就是所有参数大致的一个最优的范围

Xtrain, Xtest, Ytrain, Ytest = train_test_split(X, Y, test_size = 0.3, random_state = 41)

params = {
    \'max_depth\' : [2,3,4,5,6,7],
    \'min_samples_leaf\' : [6,7,8,9],
    \'min_impurity_decrease\' : [0, 0.005,0.01,0.015,0.02]
}

# 导入sklearn明星之一
from sklearn.model_selection import GridSearchCV

# 实例化决策树模型
model =  DecisionTreeClassifier()

# 构建网格搜索对象
gs_model = GridSearchCV(model, params, cv = 5, scoring = \'accuracy\')

# 非常重要一点
# gs_model继承了所有的model的功能，放进去决策树模型，gs_model继承了它, gs_model也是一个决策树模型
# 不仅仅gs_model是一个决策树模型，而且它在训练的过程中，会自动通过交叉验证去找最优的参数
gs_model.fit(Xtrain, Ytrain)

# 数据量很少，所以训练的特别快
# 可以将最优的参数拿出来
print(gs_model.best_params_)

# 具体最优参数下交叉验证的精准度是多少了
print(gs_model.best_score_)

# 最好的参数已经找到了，其实对于gs_model来说，它就是一个决策树，最优的参数已经保存到了gs_model
gs_model.score(Xtrain, Ytrain), gs_model.score(Xtest, Ytest)

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：学习笔记 习笔记 classifier Selection decrease

赞