2

sklearn.grid_search.GridSearchCV()使用on a执行网格搜索linear_model.Ridge以找到合适的alpha后，我们可以使用 获取网格分数clf.grid_scores_。

结果中的数字是什么意思？这些数字如何告诉我们哪个是最好的alhpa？这是一个grid_scores_结果示例：

[({'alpha': 10.0},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 5.0},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 1.0},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 0.5},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 0.1},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 0.05},
  -3.5395266121766391e-06,
  array([ -5.81901982e-06,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 0.01},
  0.00019276539505293697,
  array([  5.83095745e-04,  -5.27253774e-08,  -4.74683464e-06])),
 ({'alpha': 0.005},
  0.072428630958501342,
  array([ 0.07335483,  0.07190767,  0.07202339])),
 ({'alpha': 0.001},
  0.37063142154124262,
  array([ 0.37106198,  0.36953822,  0.37129406])),
 ({'alpha': 0.0005},
  0.47042710942522803,
  array([ 0.47063049,  0.4686987 ,  0.47195214])),
 ({'alpha': 0.0001},
  0.61100922361083054,
  array([ 0.61189728,  0.60846248,  0.61266791]))]
4

1 回答 1

3

一般来说，它是每组参数的分数列表。

列表的每个元素都是一个三元组<parameter dict, average score, list of scores over all folds>。三元组中的第一个元素是用于特定运行的参数字典，在您的情况下，只有一个参数，即alpha. 三元组中的第二个元素是所有折叠的平均分数，即三元组中第三个元素的列表。如果您没有指定自己的得分函数，则 Ridge 回归的默认值是决定系数 R^2。三元组中的最后一项是所有折叠的分数数组（计算平均值）。折叠次数由 cv 参数指定（默认为 3）。

您通常希望找到平均得分最高的三元组。在您的情况下，最大值为 alpha 0.0001：

({'alpha': 0.0001},
 0.61100922361083054,
 array([ 0.61189728,  0.60846248,  0.61266791]))
于 2013-05-03T07:33:38.067 回答