GridSearchCV 的结果作为表格

Posted 2023-03-12

【中文标题】GridSearchCV 的结果作为表格

【英文标题】：Result of GridSearchCV as table

【发布时间】：2020-03-09 03:52:07

【问题描述】：

我在带有 RBF 内核的 SVM 上进行了网格搜索 + 交叉验证，以使用 GridShearchCV 类找到参数 C 和 gamma 的最佳值。现在我想以表格格式获得结果，例如

C/gamma 1e-3 1e-2 1e3
0.1      0.2  ..  0.3
1        0.9
10       ..   
100      ..

其中单元格包含这对参数值的准确度得分。

或者至少，如果第一个解决方案是不可能的，那么更简单的方法，比如

C    gamma  accuracy
0.1  1e-4      0.2 
...

我对 Python 不是很熟练，所以我不知道从哪里开始。你能给我一些方法来做这种表示吗？最好的解决方案是将表格作为图表，但在控制台中以这些格式进行简单打印就可以了。提前谢谢你。

【问题讨论】：

import pandas as pd;df = pd.Dataframe(grid.cv_results_) ?无法测试，是否有效？

嗨@Gianluca Amprimo，答案对你有用吗？

嗨@Gianluca Amprimo，如果以下解决方案对您有用，我恳请您接受它作为经过验证的答案，因为它会帮助其他可能稍后访问此问题的人。

【参考方案1】：

您可以使用gridsearchCV 对象的cv_results_ 属性，如下所示：

from sklearn import svm, datasets
from sklearn.model_selection import GridSearchCV
iris = datasets.load_iris()
parameters = 'kernel':('linear', 'rbf'), 'C':[1, 10]
svc = svm.SVC(gamma="scale")
clf = GridSearchCV(svc, parameters, cv=5)
clf.fit(iris.data, iris.target)

现在你使用clf.cv_results_

'mean_fit_time': array([0.00049248, 0.00051575, 0.00051174, 0.00044131]),
 'mean_score_time': array([0.0002739 , 0.00027657, 0.00023718, 0.00023627]),
 'mean_test_score': array([0.98      , 0.96666667, 0.97333333, 0.98      ]),
 'param_C': masked_array(data=[1, 1, 10, 10],
              mask=[False, False, False, False],
        fill_value='?',
             dtype=object),
 'param_kernel': masked_array(data=['linear', 'rbf', 'linear', 'rbf'],
              mask=[False, False, False, False],
        fill_value='?',
             dtype=object),
 'params': ['C': 1, 'kernel': 'linear',
  'C': 1, 'kernel': 'rbf',
  'C': 10, 'kernel': 'linear',
  'C': 10, 'kernel': 'rbf'],
 'rank_test_score': array([1, 4, 3, 1], dtype=int32),
 'split0_test_score': array([0.96666667, 0.96666667, 1.        , 0.96666667]),
 'split1_test_score': array([1.        , 0.96666667, 1.        , 1.        ]),
 'split2_test_score': array([0.96666667, 0.96666667, 0.9       , 0.96666667]),
 'split3_test_score': array([0.96666667, 0.93333333, 0.96666667, 0.96666667]),
 'split4_test_score': array([1., 1., 1., 1.]),
 'std_fit_time': array([1.84329827e-04, 1.34653950e-05, 1.26220210e-04, 1.76294378e-05]),
 'std_score_time': array([6.23956317e-05, 1.34498512e-05, 3.57596078e-06, 4.68175419e-06]),
 'std_test_score': array([0.01632993, 0.02108185, 0.03887301, 0.01632993])

您可以使用params 和mean_test_score 来构建您正在使用以下命令查看的数据框：

pd.concat([pd.DataFrame(clf.cv_results_["params"]),pd.DataFrame(clf.cv_results_["mean_test_score"], columns=["Accuracy"])],axis=1)

你的最终数据框看起来像

    C   kernel  Accuracy
0   1   linear  0.980000
1   1   rbf     0.966667
2   10  linear  0.973333
3   10  rbf     0.980000

希望这会有所帮助！

【讨论】：

非常有帮助。谢谢！

【参考方案2】：

也许更容易：

pd.DataFrame('param': clf.cv_results_["params"], 'acc': clf.cv_results_["mean_test_score"])

或：

df = pd.DataFrame(clf.cv_results_)