1
在我的數據集上使用GridSearchCV後,我想提取所有最佳參數。立即從GridSearch設置多個參數
from sklearn.tree import DecisionTreeClassifier
params_grid = {'max_depth': np.arange(3, 10),
'max_leaf_nodes':list(xrange(20,100,20)),
'max_features':list(xrange(2,10,2))
}
my_dt = DecisionTreeClassifier()
grid_clf = GridSearchCV(my_dt, params_grid)
grid_clf.fit(xtrain, ytrain)
best_plist = grid_clf.best_params_
現在我想創建一個新的一個DecisionTreeClassifier
對象,並設置它的paramters一樣best_plist
。問題是,我做手工爲每個參數如下:
new_clf = DecisionTreeClassifier()
new_clf.max_depth=bestplit['max_depth'] # and so on for all the parameters
不過,我會分析多個ML algoritihms並希望設置新對象的參數,而不是硬編碼的通用方式爲每個算法。我只是想知道是否有任何解決此問題的方法?
您可以直接使用'grid_clf.best_estimator_',它將返回具有最佳參數的估計器。 –