Python Scikit学习:GridSearchCV为线性回归提供相同的结果
我试过网格搜索CV和线性回归 我得到的所有参数置换值都相同:Python Scikit学习:GridSearchCV为线性回归提供相同的结果,python,scikit-learn,linear-regression,grid-search,Python,Scikit Learn,Linear Regression,Grid Search,我试过网格搜索CV和线性回归 我得到的所有参数置换值都相同: clf3.grid_scores_ [mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'True', 'fit_intercept': 'True'}, mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'True', 'fit_intercept':
clf3.grid_scores_
[mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'True', 'fit_intercept': 'True'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'True', 'fit_intercept': 'True'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'True', 'fit_intercept': 'False'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'True', 'fit_intercept': 'False'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'False', 'fit_intercept': 'True'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'False', 'fit_intercept': 'True'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'False', 'fit_intercept': 'False'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'False', 'fit_intercept': 'False'}]
谁能告诉我我做错了什么
TIA是否可以共享样本数据集
X,y
是否可以在不使用copy\u X
参数的情况下执行相同的网格搜索。然后打印结果,完成了。无成功[平均值:-0.82518,标准值:0.89872,参数:{'fit_-intercept':'True','normalize':'True'},平均值:-0.82518,标准值:0.89872,参数:{'fit_-intercept':'True','normalize':'False'},平均值:-0.82518,标准值:0.89872,参数:{'fit_intercept':'False','normalize':'False'}]
grid\u scores\uuu
已被弃用。您要查找的信息位于cv\u results\uu
中。顺便说一句,您应该尽量使您的代码成为最简单的工作示例,这样人们就可以更容易地回答您的问题。@chhibbz您解决问题了吗?我也有同样的问题,我将自己在同一主题上发布一个问题。GridSearchCV for me致力于分类和聚类算法,但却给了我一个连续的结果,并使用回归算法永远循环。
clf3.grid_scores_
[mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'True', 'fit_intercept': 'True'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'True', 'fit_intercept': 'True'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'True', 'fit_intercept': 'False'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'True', 'fit_intercept': 'False'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'False', 'fit_intercept': 'True'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'False', 'fit_intercept': 'True'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'False', 'fit_intercept': 'False'},
mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'False', 'fit_intercept': 'False'}]