机器学习：使用scikit-learn库中的网格搜索调参

一、scikit-learn库中的网格搜索调参

　

　1）网格搜索的目的：

  • 找到最佳分类器及其参数；

　

　2）网格搜索的步骤：

  1. 得到原始数据
  2. 切分原始数据
  3. 创建/调用机器学习算法对象
  4. 调用并实例化scikit-learn中的网格搜索对象
  5. 对网格搜索的实例对象fit（得到最佳模型及参数）
  6. 预测

 

  • 以kNN算法为例，Jupyter中运行； 
    import numpy as np
from sklearn import datasets

# 得到原始数据
digits = datasets.load_digits()
X = digits.data
y = digits.target

# 根据自己编写的函数，对原始数据进行切分
from ALG.train_test_split import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_train = 0.2, seed = 666)

# 1）定义搜索的参数范围
param_grid = [
    {
        'weights':['uniform'],
        'n_neighbors':[i for i in range(1, 11)]
    },
    {
        'weights':['distance'],
        'n_neighbors':[i for i in range(1, 11)],
        'p':[i for i in range(1, 6)]
    }
]

# 2）创建一个需要进行网格搜索的机器学习算法对象
from sklearn.neighbors import KNeighborsClassifier

knn_clf = KNeighborsClassifier()

# 3）实例化scikit-learn中的网格搜索对象
from sklearn.model_selection import GridSearchCV

# 创GridSearchCV对应的实例对象，一般传入4个参数：
grid_search = GridSearchCV(knn_clf, param_grid, n_jobs = -1, verbose = 2)


# 4）对网格搜索的实例对象fit
%%time
grid_search.fit(X_train, y_train)


# 5）查看结果
# 查看网格搜索得到的最佳的分类器对应的参数（为最佳分类器的所有参数）
grid_search.best_estimator_

# 查看准确度
# 此处得到的准确度（0.9853963838664812）并没有之前（n_neighbors = 3时）得到的准确度高，因为评判标准改变了
grid_search.best_score_

# 查看之前定义的网格搜索参数中最优的结果
grid_search.best_params_
# 返回：{'n_neighbors': 3, 'p': 3, 'weights': 'distance'}

# 获取最佳分类器模型
knn_clf = grid_search.best_estimator_


# 6）使用最佳分类器进行预测
knn_clf.score(X_test, y_test)

     

　3）网格搜索对象的参数

  • grid_search = GridSearchCV(knn_clf, param_grid, n_jobs = -1, verbose = 2)
  • GridSearchCV的逻辑原理，根据定义的超参数范围生成很多模型，选出准确度最高的模型

 

  1. knn_clf：需要进行网格搜索的分类器对象，或者说是算法本身；
  2. param_grid：定义的网格搜索的参数的范围；
  3.  n_jobs： 
    1作用：确定计算cpu内核的使用数量
2 用法：为一个整数，整数是几运算过程中就使用cpu的几个内核
3 默认n_jobs = 1，表示使用计算机的一个核进行处理；
4 如果计算机的4核，可以让n_job = 2/3/4，使用2/3/4个核同时处理，提高运行效率
5 n_jobs = -1，表示计算机有几个核就使用几个核进行运算
  4.  verbose： 
    1 作用：确定网格搜索过程中的中间信息，反应网格搜索的搜索状态；
2 用法：为一个整数，整数越大，搜索过程中输出的中间信息越详细
3 verbose = 0，默认为0，搜索过程中不输出中间信息
4 一般verbose = 2,；（老师一般使用2）

 

二、机器学习的其它超参数

  1. 向量空间余弦相似度（Cosine Similarity）
  2. 调整余弦相似度（Adjusted Cosine Similarity）
  3. 皮尔森相关系数（pearson Correlation Coefficient）
  4. Jacard相似系数（Jaccard Coefficient）
posted @ 2018-05-25 09:56  何永灿  阅读(4054)  评论(0)    收藏  举报