Machine learning 我应该先执行交叉验证，然后再执行网格搜索吗？

我是机器学习领域的新手。我的问题是：我已经建立了一个模型，我正在尝试优化这样的模型。通过做一些研究，我发现交叉验证可以帮助我避免过度拟合模型。此外，Gridsearchcv可用于帮助我优化此类模型的参数，并最终确定最佳参数

现在我的问题是，我应该先进行交叉验证，然后使用网格搜索来确定最佳参数，还是使用GridsearchCV就足够了，因为它本身执行交叉验证？

请参阅

我的建议是，如果您的数据集足够大：

将数据集拆分为训练和测试子集

在训练数据集上执行一次测试

在测试子集上评估最佳模型（来自GridSearchCV）

现在我的问题是，我应该先进行交叉验证，然后使用网格搜索来确定最佳参数，还是使用GridsearchCV就足够了，因为它本身执行交叉验证

---

第二个。GridSearchCV使用交叉验证拆分策略来选择最佳参数。如果阅读，则有一个名为“cv”的参数，默认情况下，它定义了5倍交叉验证。如果您需要使用另一种交叉验证策略，可以按照@Noki的建议为其提供一个int、交叉验证生成器或iterable，您可以在Grid Search cv中使用cv参数

GridSearchCV(estimator, param_grid, scoring=None, n_jobs=None, iid='deprecated', 
refit=True, cv=None, verbose=0, 
pre_dispatch='2*n_jobs',error_score=nan,return_train_score=False)

此外，文档明确指出，如果是分类问题，它将自动确保分层

对于整数/无输入，如果估计器是分类器且y是二进制或 使用多层层状褶皱。在所有其他情况下，使用KFold

不过，我想补充一点： 您可以根据Y_目标变量的值计数使K倍动态。 您不能将您的频率最低计数（K倍）设为1，它将在训练时抛出错误。我碰巧遇到了这个问题。请使用下面的代码片段来帮助您实现这一点

比如说

import pandas as pd
Y_target=pd.Series([0,1,1,1,1,0,0,0,6,6,6,6,6,6,6,6,6])

if Y_target.value_counts().iloc[-1]<2:
    raise Exception ("No value can have frequency count as 1 in Y-target")
else:
    Kfold=Y_target.value_counts().iloc[-1]

将熊猫作为pd导入
Y_目标=pd.系列（[0,1,1,1,0,0,0,6,6,6,6,6,6]）
如果Y_target.value_counts（）.iloc[-1]使用交叉验证将我的数据拆分为培训和测试，而不是使用拆分（例如80%培训和20%测试）？如果您有足够的数据，请在GridSearchCV之前将数据集拆分为培训和测试。请参见此处的示例：感谢您提供的信息，我将使用交叉验证分割数据，然后，我将根据这些数据对此类模型进行训练，并最终使用GridSearchCV（通过指定相同的折叠次数）来识别模型可能采用的不同参数。你认为这是一个好方法吗？因此，如果网格搜索也执行CV，那么就不需要预先分割数据了，对吗？是的，你最多可以进行80-20次分割（或10次或其他任何一次）如果你想使用20作为验证数据集，并且更安全地保证你的模型能够很好地推广。我的问题是一个多类分类问题，所以最好使用分层的k折叠而不是普通的k折叠？如果是，为什么会这样？因为我找不到与此相关的任何内容。是的，最好使用分层K-fold，因为它将确保您的训练集和测试集之间的数据比率保持不变。如果您在GridSearch CV中这样做，它将自动处理。使用上面的代码片段确定折叠。取相同的值或小于变量K-fold值的任何值。没有问题。