在 GridSearchCV 中，如何只传递 param_grid 中的默认参数？

Posted 2023-03-12

【中文标题】在 GridSearchCV 中，如何只传递 param_grid 中的默认参数？

【英文标题】：In GridSearchCV, how do I pass only the default parameters in param_grid?

【发布时间】：2017-12-11 22:54:24

【问题描述】：

我是初学者，下面有以下代码。

from sklearn.naive_bayes import GaussianNB
from sklearn.decomposition import PCA

pca = PCA()
model = GaussianNB()
steps = [('pca', pca), ('model', model)]
pipeline = Pipeline(steps)

cv = StratifiedShuffleSplit(n_splits=5, test_size=0.2, random_state=42)
modelwithpca = GridSearchCV(pipeline, param_grid= ,cv=cv)
modelwithpca.fit(X_train,y_train)

这是一个本地测试，我想要完成的是，

我。对数据集执行 PCA

二。仅使用默认参数使用高斯朴素贝叶斯

三。使用 StratifiedShuffleSplit

所以最后我希望将上述步骤转移到另一个转储分类器、数据集和特征列表的函数中，以测试性能。

dump_classifier_and_data(modelwithpca, dataset, features)  

在 param_grid 部分，我不想测试任何参数列表。如果有意义的话，我只想在高斯朴素贝叶斯中使用默认参数。我要改变什么？

关于我如何实例化分类器对象也应该有任何改变吗？

【参考方案1】：

GridSearchCV 的目的是针对管道中的至少一件事使用不同的参数进行测试（如果您不想测试不同的参数，则不需要使用GridSearchCV）。 所以，一般来说，如果你想测试不同的PCAn_components。 使用GridSearchCV 的管道格式如下：

gscv = GridSearchCV(pipeline, param_grid='step_name__parameter_name': [possible values], cv=cv)

例如：

# this would perform cv for the 3 different values of n_components for pca
gscv = GridSearchCV(pipeline, param_grid='pca__n_components': [3, 6, 10], cv=cv)

如果您如上所述使用GridSearchCV 调整PCA，这当然意味着您的模型将具有默认值。

如果您不需要参数调整，那么GridSearchCV 不是要走的路，因为像这样为 GridSearchCV 使用模型的默认参数，只会产生一个组合的参数网格，所以它就像只表演简历。 这样做没有意义 - 如果我正确理解了你的问题：

from sklearn.naive_bayes import GaussianNB
from sklearn.decomposition import PCA
from sklearn.pipeline import Pipeline

pca = PCA()
model = GaussianNB()
steps = [('pca', pca), ('model', model)]
pipeline = Pipeline(steps)

cv = StratifiedShuffleSplit(n_splits=5, test_size=0.2, random_state=42)
# get the default parameters of your model and use them as a param_grid
modelwithpca = GridSearchCV(pipeline, param_grid='model__' + k: [v] for k, v in model.get_params().items(), cv=cv)

# will run 5 times as your cv is configured
modelwithpca.fit(X_train,y_train)

希望这有帮助，祝你好运！