Python 3.x 使用GridSearchCv优化SVR（）参数

我想调整“SVR（）”回归函数的参数。它开始处理，并没有停止，我无法找出问题。我正在使用SVM回归函数SVR（）预测一个参数。使用Python中的默认值，结果不太好，因此我想尝试使用“GridSearchCv”对其进行调整。最后一部分“grids.fit（Xtrain，ytrain）”开始运行，没有给出任何错误，也没有停止。 代码：

从sklearn.model_选择导入GridSearchCV

param = {'kernel' : ('linear', 'poly', 'rbf', 'sigmoid'),'C' : [1,5,10],'degree' : [3,8],'coef0' : [0.01,10,0.5],'gamma' : ('auto','scale')},

modelsvr = SVR(),

grids = GridSearchCV(modelsvr,param,cv=5)

grids.fit(Xtrain,ytrain)

---

它不停地继续处理。

是的，你说得对。我在尝试为SVR（）运行GridsearchCV时遇到了相同的情况。可能的原因是，1）处理器内存（RAM）必须较少，2）列车数据样本量较大，由于处理器内存较低，因此运行Gridsearch花费更多时间的可能性相等，因此在没有任何错误的情况下，作业运行时间将更长

仅供参考：我已经使用16GB内存空间运行了Gridsearch，列车样本大小为30K，完成运行需要210分钟。所以，耐心是必须的

---

快乐分析

也许您应该在GridSearch中再添加两个选项（

n_jobs

和

verbose

）：

verbose

表示您可以看到有关流程进度的一些输出

n_作业

是已用内核的数量（-1表示所有可用的内核/线程）

grid_search = GridSearchCV(estimator = svr_gs, param_grid = param, 
                      cv = 3, n_jobs = -1, verbose = 2)