Python 如何使用GridSearchCV输出进行scikit预测?
在以下代码中:Python 如何使用GridSearchCV输出进行scikit预测?,python,scikit-learn,grid-search,Python,Scikit Learn,Grid Search,在以下代码中: # Load dataset iris = datasets.load_iris() X, y = iris.data, iris.target rf_feature_imp = RandomForestClassifier(100) feat_selection = SelectFromModel(rf_feature_imp, threshold=0.5) clf = RandomForestClassifier(5000) model = Pipeline([
# Load dataset
iris = datasets.load_iris()
X, y = iris.data, iris.target
rf_feature_imp = RandomForestClassifier(100)
feat_selection = SelectFromModel(rf_feature_imp, threshold=0.5)
clf = RandomForestClassifier(5000)
model = Pipeline([
('fs', feat_selection),
('clf', clf),
])
params = {
'fs__threshold': [0.5, 0.3, 0.7],
'fs__estimator__max_features': ['auto', 'sqrt', 'log2'],
'clf__max_features': ['auto', 'sqrt', 'log2'],
}
gs = GridSearchCV(model, params, ...)
gs.fit(X,y)
预测应该使用什么?
gs
? 或gs.最佳估计值
gs.best\u estimator\u.named\u steps['clf']
gs.predict(X\u检验)
等同于gs.best\u estimator\uu.predict(X\u检验)
。使用其中一种方法,X_test
将通过整个管道,并返回预测
gs.best\u estimator\u.named\u steps['clf'].predict()
,但这只是管道的最后阶段。要使用它,必须已执行特征选择步骤。这只有在您以前通过gs.best\u estimator\uu.named\u steps['fs'].transform()运行过数据时才有效。
生成预测的三种等效方法如下所示:
直接使用gs
pred = gs.predict(X_test)
使用最佳估计器
pred = gs.best_estimator_.predict(X_test)
单独调用管道中的每个步骤
X_test_fs = gs.best_estimator_.named_steps['fs'].transform(X_test)
pred = gs.best_estimator_.named_steps['clf'].predict(X_test_fs)
非常感谢你!有没有官方医生也这么说?