Python 使用GridSearchCV时是否需要拆分数据？

GridSear使用分层折叠或KFold。所以我的问题是，我应该在使用gridsearch之前将数据分成训练和测试，然后只对测试数据进行拟合吗？我不确定是否有必要，因为cv方法已经分割了数据，但我看到了一些预先分割数据的示例

---

谢谢。

GridSearchCV将获取您提供的数据，将其拆分为训练集和CV集，并使用CV集搜索最佳超参数的训练算法。如果需要，可以指定不同的拆分策略（例如拆分比例）

但是，当您执行超参数调优时，有关数据集的信息仍然会“泄漏”到算法中

因此，我建议采取以下方法：

1） 将原始数据集作为测试集保存一些数据（例如，10%）

2） 对剩余的90%使用网格搜索。分割将由这里的算法完成

---

3） 获得最佳超参数后，在#1的测试集上对其进行测试，以获得对新数据预期性能的最终估计。

在整个训练数据集上执行GridSearchCV不会更好，因为它已经执行了CV，一旦搜索完成，使用找到的分类器拟合和预测训练测试数据分割？@fjsj这是一个有效点，但在网格搜索过程中，有关数据集的一些信息仍会泄漏到hyperparameters中。要在新数据上获得最终的、无偏见的性能，您需要拿出一个数据集的样本，该样本从未被fit分类器看到过——无论是直接还是间接。如果你正在预测时间序列数据，这一点尤其重要——最好是搜索，比如，1月至11月数据，然后对12月数据进行最终测试，以获得对performance@MaksimKhaitovich-在某些地方，我看到您的答案出现了变化：人们从gs获取

最佳参数

，在调用

predict（）

之前，使用这些参数对整个数据集（包括测试部分）调用

fit（）

；基本上，调用

fit（）

两次，一次作为gs的一部分，另一次在gs之外。这对你有意义吗？@JackFleeting不确定这个问题的性质。我的意思是，如果你把fit称为GS的一部分，那么你可以使用你使用的数据子集来找到最佳超参数（或者如果你正在对很多子集进行Kfold以获得最佳超参数的估计值）。第二次调用fit时，您将覆盖整个训练数据集