测试准确度分数高于 GridSearchCV 中的最佳分数
Posted
技术标签:
【中文标题】测试准确度分数高于 GridSearchCV 中的最佳分数【英文标题】:The test accuracy score is higher than the best score in GridSearchCV 【发布时间】:2021-10-27 08:49:00 【问题描述】:我正在使用 GridSearchCV 在我的 SVM 模型中找到最佳超参数。但我对得分有点困惑。这是我的网格搜索代码:
# Train SVM with GridSearchCV
from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
pipe = Pipeline([
('scaler', StandardScaler()),
('SVM', SVC(kernel='rbf', decision_function_shape='ovo'))
])
param_grid =
'SVM__C': [1, 10, 100, 1000],
'SVM__gamma': [1, 0.1, 0.01, 0.001]
clf = GridSearchCV(pipe, param_grid, scoring='accuracy', verbose = 3, cv=5)
clf.fit(X_train, y_train)
输出:
GridSearchCV(cv=5,
estimator=Pipeline(steps=[('scaler', StandardScaler()),
('SVM',
SVC(decision_function_shape='ovo'))]),
param_grid='SVM__C': [1, 10, 100, 1000],
'SVM__gamma': [1, 0.1, 0.01, 0.001],
scoring='accuracy', verbose=3)
然后我尝试打印最好的分数和测试准确度
print('Best score: ', clf.best_score_)
print('Test Accuracy: ', clf.score(X_test, y_test)
然后它返回
Best score: 0.5501906602583355
Test accuracy: 0.5809569840502659
为什么两者的分数不一样?据我所知,best_score_
是cv_results_
中mean_test_score
的最大值,但为什么测试准确度得分高于最佳得分?我仍然对此感到困惑。
【问题讨论】:
【参考方案1】:TLDR:这两个分数不是指同一个“测试”集。一个是查看 CV 中的“测试”分数,另一个是来自单独的测试集。
这是因为 CV(交叉验证)是在提供的训练数据(此处为 X_train
和 y_train
)上完成的。 best_score
是您的训练数据在测试折叠中产生的最佳分数。
另一方面,clf.score(X_test, y_test)
会为您提供测试集的分数(准确度)。这两者不(并且通常不会)相等。此测试数据不是您的训练数据的一部分 - 或者至少不应该是。
【讨论】:
以上是关于测试准确度分数高于 GridSearchCV 中的最佳分数的主要内容,如果未能解决你的问题,请参考以下文章
我在修改玩具 scikit-learn gridsearchCV 示例时收到警告“用户警告:一个或多个测试分数是非限定的”