Scikit learn sklearn验证曲线中的多个参数

我试图在sklearn中使用validation_曲线函数

train_scores, test_scores = validation_curve(DecisionTreeClassifier(), X_train, y_train,
param_name="max_depth",
scoring="f1",                                          
param_range=list(range(5,15,2)),
cv=5)

是否有一种方法可以传递多个参数来绘制此曲线。比如说

param_name=["max_depth","min_samples_split"]

我在网上查过，找不到这样的例子。有什么建议吗？

您必须输入的文档：

参数名称：字符串 将要更改的参数的名称

参数范围：类似数组的形状（n_值） 将要计算的参数的值

这意味着您不能提供多个参数进行更改和测试。 事实上，生成的图是双变量的，即得分度量的序数轴和参数变化的横坐标

我相信，您可以通过测试一个参数，同时固定另一个参数来拟合两个参数，即为声明估计器时固定的第一个参数的不同值创建多个验证曲线

将这种方法翻译成代码，可以理解为：

max_depth_range = list(range(5, 15, 2))
min_samples_split = list(range(2, 10, 1))

for k in min_samples_split:
    train_scores, test_scores = validation_curve(DecisionTreeClassifier(min_samples_split=k), 
                                                 X_train, y_train,
                                                 param_name="max_depth",
                                                 scoring="f1",                                          
                                                 param_range=max_depth_range,
                                                 cv=5)
    #do something here with train_scores & test_scores

---

你能给我解释一下你的问题吗？绘制这个需要非常长的时间-你能不能不绘制网格搜索的结果？实际上你正在探索DecisionTreeClassifier的不同设置的验证曲线，你确实需要迭代这些不同的集。为了缩短所需时间，您必须对cv折叠进行操作（通过减少它们）或采样您的训练数据。很抱歉，您说我需要使用验证曲线？你花了多长时间运行上面的。。非常感谢。。