python - GridSearchCV & RandomizedSearchCV - 运行后是否重新拟合模型

Question

我有一些测试和训练数据，测试数据没有任何因变量。

我目前正在运行 GridSearchCV 或 RandomizedSearchCV 来查找最佳参数。

我应该将所有“测试” X 和 y 值传递到 GridSearchCV 或 RandomizedSearchCV 中吗？

我知道它会进行交叉验证，所以我相信它可以吗？

但是如果是这样的话，best_estimator 适合什么数据呢？所有的？或者来自其中一个折叠的数据？

之后需要重新拟合全套测试数据吗？

Answer 1

这里问的问题比较多，我会尽力一一解答。

1. Should I pass all of my "test" X & y values into a GridSearchCV or RandomizedSearchCV?

您提到您没有测试数据的因变量，在这种情况下，您无法将其传递给您的模型。即使您有权访问因变量的值，也不应将它们发送到您的 GridSearchCV 或 RandomSearchCV，这些方法将在内部创建一个验证集，您的模型将在该验证集上对每个超参数设置进行了测试。

2. what data has the best_estimator been fit with?

这取决于您初始化 GridSearchCV 或 RandomizedSearchCV 对象的方式，这两种方法都有一个名为 refit 的参数当设置为TRUE(默认情况下)时，将使用整个数据重新拟合模型。

3. Do I need to refit the full set of test data after?

通常，您不会使用测试数据来调整超参数。您可以使用验证集来完成此操作，一旦卡住了模型，就可以使用测试集来检查模型的性能，这将是对模型性能的无偏估计。