我想要做以下事情:
vc = VotingClassifier(estimators=[('gbc',GradientBoostingClassifier()),
('rf',RandomForestClassifier()),('svc',SVC(probability=True))],
voting='soft',n_jobs=-1)
params = {'weights':[[1,2,3],[2,1,3],[3,2,1]]}
grid_Search = GridSearchCV(param_grid = params, estimator=vc)
grid_Search.fit(X_new,y)
print(grid_Search.best_Score_)
在这里,我想要调整参数
weights
。如果我使用GridSearchCV
,那么会花费很多时间,因为它需要为每次迭代拟合模型,而我认为这并非必需。更好的做法是使用像sklearn.model_selection
中的SelectModelFrom
函数中所用的prefit
之类的东西。还有其他选项吗?还是我对某些事情的理解有误?
cv
将数据分成训练集和测试集,然后在测试数据上对它们进行评分。由于您不想重新拟合估算器,所以您希望它们在哪些数据上进行评分:训练集、测试集还是所有数据? - Vivek Kumarweight_list
创建模型。但是我想要实现的是对于我给出的所有权重使用相同的模型。我想使用prefit
,但在GridSeachCV中没有prefit
选项。 - Abhinav Gupta