问题标签 [gridsearchcv]

我已经应用了gridsearchCV, , 的估计器DecisionTreeClassifier，RandomForestClassifier在集成学习中使用了所有这些LogisticRegression估计器。XGBClassifier

在我的系统和我朋友的系统中使用相同的测试和训练数据，所有这些估计器给出的结果gridSearchCV是不同的，我不知道为什么？

我们使用相同的数据进行训练和测试，但gridsearch在两个系统中对这些数据给出不同的结果，只是想知道应该改变什么以使系统在任何系统上给出相同的结果？

例如首先gridsearchcv在我的系统上给出这个结果：

在我朋友的系统上，它给出了：

同样，我在我和我朋友的系统上得到了不同的结果。

我看过各种帖子/指南以及 Udemy 课程，建议通过GridSearchCV优化用于训练 Keras 模型的 epoch 数是一个好主意。

1. 当你训练一个模型 400 个 epoch 时，你也训练了 200 个。
2. 当你训练一个模型 400 个 epoch 时，最好的 epoch 可以是 400 个中的任何一个。

也就是说，如果您使用 GridSearchCV 训练模型，该方法不会考虑到这一点，它仅在比较不同模型时考虑最后一个时期。当你为 200 和 400 个 epoch 执行 GridSearchCV 时，它会为 200 个 epoch 训练一个模型，然后从头开始训练 400 个 epoch。

因此，正如我所见，使用 GridSearchCV 来优化您的时代数：

1. 训练“重复”、“无用”的时期。
2. 尽管信息可用，但实际上并未找到最佳时期数。

我的问题是：

• 意识到正在运行的时代的方法不是更有意义吗？有什么理由为什么有人会在实践中使用所描述的方法？
• 如果所描述的方法是一种不好的方法，并且我想以更优化的方式进行这种搜索，那么是否有任何“标准”方法呢？也许提前停止？如果我们要优化多个超参数怎么办？提前停止 + GridSearchCV？

谢谢你。

目的是通过 gridsearchCV 优化 Keras LSTM 的超参数。第一次训练后会产生维度错误。RNN-LSTM 需要 3D 输入。gridsearchCV 是否存在维度冲突？这里的代码：

产生以下错误：

软件包版本

keras、numpy 和 tensorflow 版本是特意选择来实现K.clear_session()的，它结合了gridsearchCV最新版本的 OOM 问题。

gridsearchCV 不适合 RNN 使用还是有解决方法？

提前非常感谢。

最好的问候， JDS

我正在使用 Keras 开发 LSTM 网络。我正在使用“gridsearchcv”优化参数，因为我不想对 epoch 参数进行网格搜索，所以我决定引入“早期停止”功能。不幸的是，即使我将“delta_min”设置得非常大而“耐心”设置得非常低，训练也不会停止。训练阶段似乎忽略了 earlystopping 回调。

gridsearchcv 和 earlystopping 可能不兼容吗？

在我的代码下面：

我用GridsearchCV管道制作了一个，我想提取n_iter_管道组件（MLPRegressor）的一个属性（）以获得最佳模型。

我正在使用 Python 3.0。

管道的创建

当我想用 提取最佳模型时gridCV_GBR.best_params_，我只有 GridsearchCV 的结果：

但我想知道 MLPRegressor 的最佳模型使用的迭代次数gridCV_MLPR。

如何通过 GridsearhCV 使用为通过管道n_iter_设计的属性？MLPRegressor()

我是使用 KNN 的新手，在我的火车组中我有速度矢量。由于方向 359° 和 0° 完全不同，我正在考虑转换方向，以便测试数据中的矢量指向 180°。

如果我从一个数据点进行预测，我可以在使用 KNeighborsClassifier 之前进行这种转换，但是当我使用 GridSearchCV 调整超参数时，应该在每次比较之间进行转换。有没有办法做到这一点？

或者我想念的其他方式？

我曾经gridsearchcv对训练数据集的参数进行过调优KNearestNeighbors，但令人惊讶的是，它返回的结果比测试集上的默认参数更差。为什么会发生这种情况？任何对适当使用的见解gridsearchcv将不胜感激，我需要在几种算法上执行此操作，以将默认结果与超调结果进行比较。

gridsearchcv代码：

使用这些参数的结果：

使用默认 KNN 参数：

我正在尝试使用 GridSearchCV 获取随机森林回归器的最佳参数，但是每次运行代码时，我都会得到不同的最佳参数集。

我尝试将 random_state=42 添加到 GridSearchCV，但似乎不可接受。

我想知道为什么每次运行代码时我都会得到不同的 n_estimators 和 max_depth。我是否有导致问题的错误？我希望有人可以指导我，因为这是我第一次处理回归。

我正在尝试使用 scikit-learn GridSearchCV 和 KerasClassifier 进行网格搜索，以解决具有 346 个标签的多标签分类问题。我正在尝试根据自定义指标评估模型。但我总是遇到以下错误。我的训练数据大小是 5334。

ValueError：操作数无法与形状一起广播 (5334,346) (5334,)

我正在尝试导入 dask_searchcv 并在导入其他模块时引发错误DeprecationDict。

我已经安装了 dask_searchcv 版本：0.2.0 和 scikit-learn 版本：0.21.3

我尝试导入 dark_searchcv，如下所示：

我收到以下错误消息：

我尝试使用重新安装 sklearn，pip3 install -U scikit-learn但问题仍未解决。

注意：我正在使用 jupyter notebook 运行上面的代码