Python Gridsearchcv：内部逻辑

我试图理解Gridsearchcv的逻辑是如何工作的。我查看了文件、官方文件和源代码，但无法理解以下内容：

Gridsearchcv背后的一般逻辑是什么

澄清：

如果我使用默认的cv=5，输入数据的百分比分割是多少 分为：培训、验证和测试

Gridsearchcv多久执行一次这样的拆分，它如何决定哪些观察结果属于训练/验证/测试

由于正在进行交叉验证，在超参数调整中，平均值在哪里发挥作用？i、 e.最优超参数值是优化某种平均值的值吗

这个问题和我一样担心，但我不知道信息的最新程度，我也不确定我是否理解那里的所有信息。例如，根据OP，我的理解是：

• 测试集占输入数据集的25%，创建一次
• 列车集和验证集的联合相应地创建一次，该联合为原始数据的75%
• 然后，程序创建了5个（因为cv=5）进一步将这75%分成60%的序列和15%的验证
• 优化的“超参数”值是优化这5次拆分中某些度量的平均值的值

这种理解正确吗？现在仍然适用吗？那么这个程序是如何将原来的25%-75%分割的呢

首先，将数据拆分为训练和测试。测试集留作模型的后期训练和优化。

gridsearchcv

获取75%的数据，并将它们分成5个部分。首先，它训练4个切片并在1上进行验证，然后取4个切片，介绍以前遗漏的一组，以便在新的一组上进行验证和测试，等等。。。5次

然后可以查看每次运行的性能+它们的平均值，以了解模型的总体行为

由于您正在执行

gridsearch

，因此将在建模结束时保存

最佳参数

，以预测测试集

总之，在整个培训之后，将为您的模型选择并使用最佳参数，因此，您可以轻松地使用它们来预测（X_测试）

通常，如果不执行CV，模型将尝试使用预设参数优化其权重，忽略的测试集将有助于评估模型性能。但是，对于真实的模型训练，将训练数据重新拆分为训练和验证是非常重要的，您可以使用验证来超调模型的参数（手动）。然而，过度调整模型以在验证集上获得最佳性能是欺骗

理论K-褶皱

更多详细信息

---

看来我对这个问题的理解是正确的。请进行一些跟进：25%-（5乘以60%+15%）的分割是随机决定的吗？程序何时使用25%的测试数据？25%的测试数据未使用，也未提供给模型，因此您可以随时在其上测试您的模型。。。你可以今天、明天或明年做。关于60%-15%的分割，理论上，你以某种方式（比如说随机）将数据分割成5个分割（仅一次），然后开始迭代，在4上进行训练，在1上进行验证……我明白了，所以我有一个误解。我以为Gridsearchcv会提供我的全部数据，然后将其自身划分为训练+验证+测试。你是说我只是想给它提供我，用户，决定训练+验证的东西。相应地，相对于输入数据，分割实际上是80%的训练+20%的验证。这是正确的吗？@yurnero 1）训练，测试=训练测试分离（blabla），将训练传送到5cv，让它变魔术。关于你的问题，因为你给出了5分，那么是80%20%