Python 如何使用GridSearchCV输出进行scikit预测？

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([
          ('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

• gs.最佳估计值

  ？ 或

• gs.best\u estimator\u.named\u steps['clf']

这三者之间的区别是什么？

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？