我刚开始使用Python中的GridSearchCV,但是我对其中的scoring参数感到困惑。我在某些地方看到过这个参数,
scorers = {
'precision_score': make_scorer(precision_score),
'recall_score': make_scorer(recall_score),
'accuracy_score': make_scorer(accuracy_score)
}
grid_search = GridSearchCV(clf, param_grid, scoring=scorers, refit=refit_score,
cv=skf, return_train_score=True, n_jobs=-1)
使用这些值,即精度、召回率和准确性在评分中的意图是什么?
这是否被网格搜索用于根据这些评分值给出最优化参数...比如为了获得最佳精度分数,它会找到最佳参数或类似的东西?
它会计算可能参数的精度、召回率和准确性,并给出结果,现在的问题是,如果这是真的,那么它会基于精度、召回率或准确性选择最佳参数吗?上述说法是否正确?
lr_grid.cv_results_
或更易读的方式pd.DataFrame(lr_grid.cv_results_)
访问所有的拟合和分数。 - G. Anderson