python - GridSearchCV 和 Cross_Val_Score 之间的区别

Question

我有一个二进制时间序列分类问题。

因为它是一个时间序列，我不能只train_test_split 我的数据。因此，我使用了此 link 中的对象 tscv = TimeSeriesSplit() , 并得到这样的东西:

我可以从GridSearchCV看到和 cross_val_score我可以将我的拆分策略作为参数传递 cv = tscv。但我的问题是，GridSearchCV 和 coss_val_score 有什么区别？使用其中之一足以训练/测试我的模型？或者我应该同时使用两者？首先是 GridSearchCV 以获得最佳超参数，然后是 cross_val_score?

Answer 1

网格搜索是一种通过使用不同的超参数设置(您预先定义的值)来评估模型的方法。您的 GridSearch 可以使用交叉验证(因此存在 GridSearchCV)，以便为模型的不同参数设置提供最终分数。在训练和评估之后(网格搜索完成后)，您可以查看模型表现最佳的参数(通过查看属性 best_params_dict)。因此，Grid搜索基本上是一种暴力破解策略，您可以在其中使用所有可能的超参数组合运行模型。使用 coss_val_score，您不会执行网格搜索(您不会将上述策略与所有预定义参数一起使用)，但您会在交叉验证后获得分数。我希望现在一切都清楚了。