1.交叉驗證

交叉驗證：為了讓被評估的模型更加準確可信

交叉驗證過程

交叉驗證：將拿到的數據，分為訓練和驗證集。
以下圖為例：將數據分成5份，其中一份作為驗證集。然后經過5次(組)的測試，每次都更換不同的驗證集。即得到5組模型的結果，取平均值作為最終結果。又稱5折交叉驗證。

2.網格搜索

網格搜索：調參數 K-近鄰。

超參數搜索-網格搜索

通常情況下，有很多參數是需要手動指定的（如k-近鄰算法中的K值），這種叫超參數。
但是手動過程繁雜，所以需要對模型預設幾種超參數組合。
每組超參數都采用交叉驗證來進行評估。最后選出最優參數組合建立模型。

API

sklearn.model_selection.GridSearchCV

GridSearchCV

sklearn.model_selection.GridSearchCV(estimator, param_grid=None,cv=None)對估計器的指定參數值進行詳盡搜索estimator：估計器對象param_grid：估計器參數(dict){“n_neighbors”:[1,3,5]}cv：指定幾折交叉驗證fit：輸入訓練數據score：準確率結果分析：best_score_:在交叉驗證中測試的最好結果best_estimator_：最好的參數模型cv_results_:每次交叉驗證后的測試集準確率結果和訓練集準確率結果

總結

以上是生活随笔為你收集整理的python人工智能——机器学习——模型选择与调优的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。