Scikit learn sklearn中带RFECV的GridSearchCV的含义
基于此,我知道Scikit learn sklearn中带RFECV的GridSearchCV的含义,scikit-learn,cross-validation,feature-selection,Scikit Learn,Cross Validation,Feature Selection,基于此,我知道RFECV可以与GridSearchCV相结合,为线性支持向量机这样的模型获得更好的参数设置 正如答案中所说,有两种方式: 在RFECV上运行GridSearchCV,这将导致将数据分成两次折叠(一次在GridSearchCV内,一次在RFECV内),但对组件数量的搜索将是有效的 “仅在RFE上执行GridSearchCV,这将导致数据的单个拆分,但对RFE估计器的参数扫描效率非常低。” 为了澄清我的问题,我必须首先澄清RFECV: 将整个数据拆分为n个折叠 在每个折叠中,仅通
RFECV
可以与GridSearchCV
相结合,为线性支持向量机这样的模型获得更好的参数设置
正如答案中所说,有两种方式:
- 在RFECV上运行GridSearchCV,这将导致将数据分成两次折叠(一次在GridSearchCV内,一次在RFECV内),但对组件数量的搜索将是有效的
- “仅在RFE上执行GridSearchCV,这将导致数据的单个拆分,但对RFE估计器的参数扫描效率非常低。”
rfe
来获得特征等级SVM
中,并在测试数据上进行测试以进行评分。这应该进行m次,每次特征数量减少,其中m是假设step=1
的特征数量rfe
中要进行的最佳特征数量n\u features\u的参数,以便在rfe
中选择与原始整体数据相匹配的
。支持
在功能中获得“优胜者”.grid\u scores
获取平均得分序列cv
。然而,由于可选的训练数据和网格值,选定的特征可能会有所不同,这使得第二种方法不合理,如果按照我的猜测进行的话
GridSearchCV实际上是如何与RFECV相结合的?另请参见以下内容: