python - Sklearn 和 GridSearchCV - 是否期望返回最佳参数？

Question

我一直致力于在 Scikit-Learn 中优化 SVR 模型，但一直无法理解如何利用 GridSearchCV。

考虑对 documentation 中提供的示例代码稍作修改的情况。 :

from sklearn import svm, grid_search, datasets
iris = datasets.load_iris()
parameters = {'kernel': ('linear', 'rbf'), 'C':[1.5, 10]}
svr = svm.SVC()
clf = grid_search.GridSearchCV(svr, parameters)
clf.fit(iris.data, iris.target)

clf.get_params()

由于我指定搜索最佳 C 值仅包含 1.5 和 10，因此我希望模型返回使用这两个值之一。但是，当我查看输出时，情况似乎并非如此:

{'cv': None,
 'estimator': SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
   kernel='rbf', max_iter=-1, probability=False, random_state=None,
   shrinking=True, tol=0.001, verbose=False),
 'estimator__C': 1.0,
 'estimator__cache_size': 200,
 'estimator__class_weight': None,
 'estimator__coef0': 0.0,
 'estimator__degree': 3,
 'estimator__gamma': 0.0,
 'estimator__kernel': 'rbf',
 'estimator__max_iter': -1,
 'estimator__probability': False,
 'estimator__random_state': None,
 'estimator__shrinking': True,
 'estimator__tol': 0.001,
 'estimator__verbose': False,
 'fit_params': {},
 'iid': True,
 'loss_func': None,
 'n_jobs': 1,
 'param_grid': {'C': [1.5, 10], 'kernel': ('linear', 'rbf')},
 'pre_dispatch': '2*n_jobs',
 'refit': True,
 'score_func': None,
 'scoring': None,
 'verbose': 0}

我怀疑我对 GridSearchCV 如何使用它以及我可以期望它返回什么有根本性的误解。我曾预计它会根据我的搜索选择返回一个具有优化参数的分类器，但事实并非如此。

任何指导将不胜感激。

非常感谢。

Answer 1

你不应该在这里使用 get_params。使用 best_params_ 或 best_estimator_.params。 get_params 返回给它的构造函数参数。其中之一是估算器，您在其中为其提供了一个带有默认参数的 SVC，这就是您在此处看到的。这与网格搜索中尝试的参数无关。

如果您查看示例 (look at the bottom of the dev documentation for example)，您永远不会看到 get_params 在 GridSearchCV 上使用 - 或者实际上永远不会，我认为 ;) 它是定义 GridSearchCV 如何使用其他估计器的接口(interface).