scikit学习GridSearchCV best_score_如何计算？

  • Z时代
  • 2024-01-10
  • 分类：问答

我一直在尝试计算GridSearchCV的best_score_参数是如何计算的（或者换句话说，这是什么意思）。该文件说：

剩余数据的best_estimator得分。

因此，我尝试将其转换为我理解的东西，并计算出每个kfold的实际“y”和预测的ys的r2_score-并得到了不同的结果（使用了这段代码）：

test_pred = np.zeros(y.shape) * np.nan 
for train_ind, test_ind in kfold:
    clf.best_estimator_.fit(X[train_ind, :], y[train_ind])
    test_pred[test_ind] = clf.best_estimator_.predict(X[test_ind])
r2_test = r2_score(y, test_pred)

我到处搜索有关best_score_的更有意义的解释，但找不到任何东西。有人愿意解释吗？

谢谢

回答：

这是最佳估算器的平均交叉验证得分。让我们制作一些数据并修复交叉验证的数据划分。

>>> y = linspace(-5, 5, 200)
>>> X = (y + np.random.randn(200)).reshape(-1, 1)
>>> threefold = list(KFold(len(y)))

现在运行cross_val_score和GridSearchCV，它们都具有这些固定的折痕。

>>> cross_val_score(LinearRegression(), X, y, cv=threefold)
array([-0.86060164,  0.2035956 , -0.81309259])
>>> gs = GridSearchCV(LinearRegression(), {}, cv=threefold, verbose=3).fit(X, y) 
Fitting 3 folds for each of 1 candidates, totalling 3 fits
[CV]  ................................................................
[CV] ...................................... , score=-0.860602 -   0.0s
[Parallel(n_jobs=1)]: Done   1 jobs       | elapsed:    0.0s
[CV]  ................................................................
[CV] ....................................... , score=0.203596 -   0.0s
[CV]  ................................................................
[CV] ...................................... , score=-0.813093 -   0.0s
[Parallel(n_jobs=1)]: Done   3 out of   3 | elapsed:    0.0s finished

请注意score=-0.860602，score=0.203596并score=-0.813093在GridSearchCV输出;

完全由返回的值cross_val_score。

注意，“均值”实际上是褶皱的宏观平均值。该iid参数GridSearchCV可用于在样品上获得的微平均代替。

以上是 scikit学习GridSearchCV best_score_如何计算？ 的全部内容， 来源链接： utcz.com/qa/418746.html

回到顶部