python - 在 gridsearchcv sklearn 中进行训练和验证集

Question

我看到在 gridsearchcv 中，最佳参数是根据交叉验证确定的，但我真正想做的是根据one held out validation set确定最佳参数code> 而不是 交叉验证。

不确定是否有办法做到这一点。我发现了一些类似的帖子，其中自定义了 cross-validation folds。然而，我真正需要的是在一组上训练并在验证集上验证参数。

关于我的数据集的更多信息基本上是由panda 创建的文本系列类型。

Answer 1

我确实通过使用 PredefinedSplit 找到了我自己问题的答案

for i in range(len(doc_train)-1):
    train_ind[i] = -1

for i in range(len(doc_val)-1):
    val_ind[i] = 0

ps = PredefinedSplit(test_fold=np.concatenate((train_ind,val_ind)))

然后在 gridsearchCV 参数中

grid_search = GridSearchCV(pipeline, parameters, n_jobs=7, verbose=1 ,   cv=ps)