Python 如何使用优化的参数

我正在使用

GridSearchCV

识别最佳参数，但我不确定如何实际使用最佳参数，即在下面的代码中，在第三行中，我的结果在更改第一行后不会改变（例如，如果我更改参数空间，或用精度替换召回等）

是否有办法确保无论在

GridSearchCV

中确定了什么样的最佳参数，只要我调用

cv.predict

，实际上都会使用这些参数？

从文档中可以看出：

predict（x）

调用predict对具有最佳发现参数的估计器进行预测

基本上，在拟合之后，调用predict使用最优估计器。如果要再次检查参数，可以在拟合后查看最佳参数是否存储在class属性

best\u params\ucode>中

至于为什么更改第一行后结果没有变化，我想这是巧合，是相同的最佳参数：或者有多个最佳参数。
GridSearchCV
已经默认执行了您想要的操作，除非您设置
refit=False
。如
GridSearchCV
所述：

refit:boolean或string，默认值=True

使用整个数据集上的最佳参数重新调整估计器

对于多指标评估，这需要是一个字符串，表示记分器用于找到最佳参数，以便在最后重新调整估计器

重新调整的估计器可在
最佳估计器
属性中使用，并且允许在此
GridSearchCV
实例上直接使用
预测

同样对于多指标评估，属性
最佳索引
、
最佳评分
和
最佳参数
只有在设置了refit时才可用，并且所有属性都将由该特定评分员确定

有关多指标评估的更多信息，请参见评分参数

因此，每当你调用
cv.predict
时，经过重新调整的最佳估计器就会做出预测

在你的情况下，结果是一样的，可能是因为最好的估计器在所有指标上得分最高。啊，我明白了，谢谢你，我会用一系列不同的参数再次检查。我明白了，这是有道理的。这可能是，我将测试一些额外的指标。感谢您不确定为什么在第三行中使用
cross\u val\u predict
，而不是预期的
cv.predict
。。。
cv = GridSearchCV(pipeline, parameters, cv=len(range(2014,2019)), scoring='recall', refit=True)
cv.fit(X,y)
y_pred = cross_val_predict(cv, X, y, cv=len(range(2014,2019)))