有人知道GridSearchCV用于MultiOutputClassifier模型的超参数吗

Question

from sklearn.model_selection import GridSearchCV
*parameters = {**?????**}*
search = GridSearchCV(_pipeline,  n_jobs=1, cv= 5, param_grid=parameters)
#multi_target_linear = MultiOutputClassifier(search)

search.fit(X, y)
#search.get_params().keys()

search.best_params_

Answer 1

超参数 在这种情况下，不同的情况会有所不同，因为它们是您想要解决的问题，从而获得准确高效的超参数。

从表面上看，你的目标是创建一个名为parameters的参数网格，其中包括几个你想深入研究的超参数。然后，GridSearchCV可以尝试所有超参数的组合，并找到性能最好的组合。CV是交叉验证，这是一种对训练和测试集进行洗牌以进行公平评估的方法，这里有5个不同的部分，因此是cv=5。

您还使用了MultiOutputClassifier，它旨在调整其他分类器，使其能够处理多个目标，但您没有定义什么是分类器。

Answer 2

GridSearchCV的参数param_grid由其estimator决定，但您没有编写_pipeline的构造方法。所以我不能回答这个问题，但这个答案会有所帮助。