Python GridSearchCV&；RandomizedSearchCV-运行后是否重新安装模型_Python_Machine Learning_Scikit Learn_Cross Validation_Gridsearchcv

Python GridSearchCV&；RandomizedSearchCV-运行后是否重新安装模型

python machine-learning scikit-learn

Python GridSearchCV&；RandomizedSearchCV-运行后是否重新安装模型,python,machine-learning,scikit-learn,cross-validation,gridsearchcv,Python,Machine Learning,Scikit Learn,Cross Validation,Gridsearchcv,我有一些测试和训练数据，测试数据没有任何依赖变量我目前正在运行GridSearchCV或RandomizedSearchCV以查找最佳参数我应该将所有的“测试”X&y值传递到GridSearchCV还是随机化SearchCV 我知道它会进行交叉验证，所以我相信这样做可以吗但如果是这样的话，最好的估计值是什么数据？所有这些？或者来自其中一个褶皱的数据之后是否需要重新安装整套测试数据？这里有很多问题，我将尝试逐一回答我应该将所有“测试”X&y值传递到GridSearchCV还是Random

我有一些测试和训练数据，测试数据没有任何依赖变量

我目前正在运行GridSearchCV或RandomizedSearchCV以查找最佳参数

我应该将所有的“测试”X&y值传递到GridSearchCV还是随机化SearchCV

我知道它会进行交叉验证，所以我相信这样做可以吗

但如果是这样的话，最好的估计值是什么数据？所有这些？或者来自其中一个褶皱的数据

之后是否需要重新安装整套测试数据？

这里有很多问题，我将尝试逐一回答

我应该将所有“测试”X&y值传递到GridSearchCV还是RandomizedSearchCV

您提到您的测试数据没有因变量，在这种情况下，您不能将其传递给您的模型。即使您有权访问因变量的值，也不应将其发送到

GridSearchCV

或

RandomSearchCV

，这些方法将在内部创建一个验证集，在该验证集上对每个超参数设置测试您的模型

最佳估计值与哪些数据相吻合

这取决于您如何初始化

GridSearchCV

或

RandomizedSearchCV

对象，这两种方法都有一个名为的参数，当设置为

TRUE

（默认情况下）时，将使用整个数据重新安装模型

之后是否需要重新安装全套测试数据

通常，您不会使用测试数据来调整超参数。您可以使用验证集进行验证，一旦冻结了模型，就可以使用测试集检查模型的性能，这将是对模型性能的无偏估计

希望这有帮助

没有什么可以阻止您使用

测试

数据集为模型找到最佳超参数。但是，在这样做之后，您无法真正判断模型的泛化程度，即在看不见的数据上的行为，因为您使用了

测试集来调整模型，使得它对于测量模型的性能毫无用处
我也相信，问这样的问题会是一个更好的地方
 嗨，刘易斯·莫里斯，答案对你有帮助吗？