GridSearchCV的结果作为表格呈现

Question

我使用带有RBF内核的SVM进行了网格搜索+交叉验证，以找到最佳参数C和gamma值，使用GridShearchCV类。现在我想以表格格式获取结果，如下所示：

C/gamma 1e-3 1e-2 1e3
0.1      0.2  ..  0.3
1        0.9
10       ..   
100      ..

其中的单元格包含了该参数值对应的准确度分数。

如果第一种解决方案不可行，那么至少可以采用更简单的方法，比如：

C    gamma  accuracy
0.1  1e-4      0.2 
...

我在Python方面不是很熟练，不知道该从哪里开始。你能给我一些做这种表格表示的方法吗？最好的解决方案是将表格作为绘图，但只在控制台中简单打印也可以。谢谢！

- Gianluca Amprimo

---

import pandas as pd;df = pd.Dataframe(grid.cv_results_) 这段代码是否能正常运行，你测试过了吗？ - Shihab Shahriar Khan

嗨@Gianluca Amprimo，这个答案对你有用吗？ - Parthasarathy Subburaj

嗨，@Gianluca Amprimo，如果以下解决方案对您有用，请您将其接受为验证答案，因为这将有助于那些可能稍后访问此问题的其他人。 - Parthasarathy Subburaj

Answer 1

您可以使用以下方法利用gridsearchCV对象的cv_results_属性：

您可以利用gridsearchCV对象的cv_results_属性，具体如下：

from sklearn import svm, datasets
from sklearn.model_selection import GridSearchCV
iris = datasets.load_iris()
parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}
svc = svm.SVC(gamma="scale")
clf = GridSearchCV(svc, parameters, cv=5)
clf.fit(iris.data, iris.target)

现在你可以使用 clf.cv_results_。

{'mean_fit_time': array([0.00049248, 0.00051575, 0.00051174, 0.00044131]),
 'mean_score_time': array([0.0002739 , 0.00027657, 0.00023718, 0.00023627]),
 'mean_test_score': array([0.98      , 0.96666667, 0.97333333, 0.98      ]),
 'param_C': masked_array(data=[1, 1, 10, 10],
              mask=[False, False, False, False],
        fill_value='?',
             dtype=object),
 'param_kernel': masked_array(data=['linear', 'rbf', 'linear', 'rbf'],
              mask=[False, False, False, False],
        fill_value='?',
             dtype=object),
 'params': [{'C': 1, 'kernel': 'linear'},
  {'C': 1, 'kernel': 'rbf'},
  {'C': 10, 'kernel': 'linear'},
  {'C': 10, 'kernel': 'rbf'}],
 'rank_test_score': array([1, 4, 3, 1], dtype=int32),
 'split0_test_score': array([0.96666667, 0.96666667, 1.        , 0.96666667]),
 'split1_test_score': array([1.        , 0.96666667, 1.        , 1.        ]),
 'split2_test_score': array([0.96666667, 0.96666667, 0.9       , 0.96666667]),
 'split3_test_score': array([0.96666667, 0.93333333, 0.96666667, 0.96666667]),
 'split4_test_score': array([1., 1., 1., 1.]),
 'std_fit_time': array([1.84329827e-04, 1.34653950e-05, 1.26220210e-04, 1.76294378e-05]),
 'std_score_time': array([6.23956317e-05, 1.34498512e-05, 3.57596078e-06, 4.68175419e-06]),
 'std_test_score': array([0.01632993, 0.02108185, 0.03887301, 0.01632993])}

您可以使用以下命令构建您正在查找的数据帧，利用params和mean_test_score：

pd.concat([pd.DataFrame(clf.cv_results_["params"]),pd.DataFrame(clf.cv_results_["mean_test_score"], columns=["Accuracy"])],axis=1)

你的最终数据框如下所示：

    C   kernel  Accuracy
0   1   linear  0.980000
1   1   rbf     0.966667
2   10  linear  0.973333
3   10  rbf     0.980000

- Parthasarathy Subburaj

Answer 2

也许更简单：

pd.DataFrame({'param': clf.cv_results_["params"], 'acc': clf.cv_results_["mean_test_score"]})

或者：

df = pd.DataFrame(clf.cv_results_)

- keramat

---

@GianlucaAmprimo 这应该是被选中的答案。虽然两个都能正常工作，但这个答案需要更少的代码。 - Manuel Fuchs

@Manuel Fuchs，感谢您的关注。 - keramat