模型选择与调优

模型选择与调优

• 什么是交叉验证(cross validation)
• • 操作
  • 为什么需要交叉验证
• 超参数搜索-网格搜索(Grid Search)
• • 模型选择与调优API
• 鸢尾花案例增加K值调优

什么是交叉验证(cross validation)

交叉验证：将拿到的训练数据，分为训练和验证集。比如：将数据分成4份，其中一份作为验证集。然后经过4次(组)的测试，每次都更换不同的验证集。即得到4组模型的结果，取平均值作为最终结果。又称4折交叉验证。

操作

我们之前知道数据分为训练集和测试集，但是为了让从训练得到模型结果更加准确。做以下处理

• 训练集：训练集+验证集
• 测试集：测试集

为什么需要交叉验证

交叉验证目的：为了让被评估的模型更加准确可信
问题：那么这个只是对于参数得出更好的结果，那么怎么选择或者调优参数呢？

超参数搜索-网格搜索(Grid Search)

通常情况下，有很多参数是需要手动指定的(如k-近邻算法中的K值)，这种叫超参数。但是手动过程繁杂，所以需要对模型预设几种超参数组合。每组超参数都采用交叉验证来进行评估。最后选出最优参数组合建立模型。

模型选择与调优API

• sklearn.model_selection.GridSearchCV(estimator,param_grid=None,cv=None)
  • 对估计器的指定参数值进行详尽搜索
  • estimator：估计器对象
  • param_grid：估计器参数(dict){"n_neighbors":[1, 3,5]}
  • cv：指定几折交叉验证
  • fit()：输入训练数据
  • score()：准确率
  • 结果分析：
    • 最佳参数： best_params_
    • 最佳结果：best_score_
    • 最佳估计器：best_estimator
    • 交叉验证结果：cv_results_

鸢尾花案例增加K值调优

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier

if __name__ == '__main__':
    #  获取数据
    iris = load_iris()

    # 划分数据集
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)

    # 特征工程：标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.fit_transform(x_test)     # 控制变量, 用同样的参数进行标准化

    # KNN 算法预估器
    estimator = KNeighborsClassifier(n_neighbors=3)

    # 加入网格搜索与交叉验证
    # 参数准备
    param_dict = {'n_neighbors': [1, 3, 5, 7, 9, 11]}
    estimator = GridSearchCV(estimator, param_grid=param_dict, cv=10)
    estimator.fit(x_train, y_train)

    # 模型评估
    # 方法一：直接对比真实值和预测值
    y_predict = estimator.predict(x_test)
    print('y_predict：\n', y_predict)
    print('直接对比真实值和预测值:\n', y_test == y_predict)

    # 方法二：计算准确率
    score = estimator.score(x_test, y_test)
    print('准确率:\n', score)
    # - 最佳参数： `best_params_`
    print('最佳参数：\n', estimator.best_params_)
    # - 最佳结果：`best_score_`
    print('最佳结果：\n', estimator.best_score_)
    # - 最佳估计器：` best_estimator`
    print('最佳估计器:\n', estimator.best_estimator_)
    # - 交叉验证结果：`cv_results_`
    print('交叉验证结果：\n', estimator.cv_results_)