machine-learning - 使用sklearn嵌套交叉验证获得最佳参数

Question

我的理解是否正确，即以下代码中的“greed_search.fit(X,Y)”与嵌套 CV 没有任何关系？这意味着在 sklearn 中无法使用嵌套 CV 来获得最佳参数。

    # inner cross_validation
    greed_search = GridSearchCV(estimator=estimator, param_grid=parameters, cv=inner_cv, scoring=optimized_for)
    greed_search.fit(X, optimization_label)
    # Nested CV with parameter optimization
    nested_score = cross_val_score(greed_search, X=X, y=Y, cv=outer_cv)

Answer 1

您是对的:代码中的 greed_search.fit(X, optimization_label) 会按原样执行，而不会嵌套到下一个交叉验证中。

为了回答你的第二个问题，我问你另一个问题:嵌套在交叉验证中的网格搜索的最佳参数应该是什么？第一个折叠的那些？最常见的？

内网格搜索，在外交叉验证的每一步，根据当前步骤的训练数据选择最佳参数。因此参数可以在折叠之间改变。自己进行外部交叉验证，您可以计算每个步骤的最佳参数，但我认为您并不真正需要它。