1
我努力做到以下幾點:如何調整權重值分級(Sklearn)
vc = VotingClassifier(estimators=[('gbc',GradientBoostingClassifier()),
('rf',RandomForestClassifier()),('svc',SVC(probability=True))],
voting='soft',n_jobs=-1)
params = {'weights':[[1,2,3],[2,1,3],[3,2,1]]}
grid_Search = GridSearchCV(param_grid = params, estimator=vc)
grid_Search.fit(X_new,y)
print(grid_Search.best_Score_)
在此,我想調整參數weights
。如果我使用GridSearchCV
,則需要很長時間。因爲它需要適合每次迭代的模型。我猜,這不是必需的。更好的方法是使用prefit
,用於SelectModelFrom
函數sklearn.model_selection
。
有沒有其他的選擇,或者我誤解了一些東西?
GridSearchCV會根據提供的'cv'將數據分成列車和測試,然後在測試數據上得分。既然您不想重新估算估算值,您希望他們獲得哪些數據:火車,測試或所有數據? –
如果我執行GridSearchCV,它將爲我指定的每個'weight_list'創建模型。但是我想實現的是對於我所給的所有重量使用相同的模型。我想使用'prefit',但在GridSeachCV中沒有選擇'prefit' –
@VivekKumar我已經編輯了問題代碼以獲得更好的解釋。請看看。 –